L'entrepreneuriat féminin en Tunisie : du désir d’indépendance aux obstacles sociaux – Le cas du gouvernorat de Mahdia
Bibliographic record
Abstract
En dépit des législations relativement favorables aux femmes tunisiennes, leur participation à l’entrepreneuriat reste faible. Ainsi, le taux d’activité des femmes ne dépasse pas 28,2 % de la population active, contre 65,8 % pour les hommes. De même, le taux de chômage des femmes est d’environ 24 %, tandis qu’il est de 15 % pour les hommes. Ce taux monte à 40,7 % pour les femmes diplômées du supérieur, contre seulement 17,6 % pour les hommes. De ce fait, il existe une disparité de genre en matière d’entrepreneuriat. Malgré l’amélioration de leur niveau d’instruction et de qualification, les femmes tunisiennes rencontrent d’énormes difficultés pour monter et développer leur propre projet entrepreneurial. À travers une enquête menée avec de futures promotrices et d’autres déjà installées dans la région de Mahdia (Sahel tunisien), nous allons approcher les difficultés éprouvées par les femmes pour la mise en place de leur projet. Nous nous proposons d’analyser les raisons de la disparité de genre, la faible part des entrepreneures femmes ainsi que les domaines ou types de projets dans lesquels elles se lancent. De même, nous allons étudier l’impact du territoire, rural et urbain, sur la part des projets féminins et, surtout, sur les types de projets développés dans la région de Mahdia.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".