Les femmes en temps de pandémie dans les médias
Bibliographic record
Abstract
Le présent article propose de présenter les principales études francophones et anglophones en communication publique qui ont traité la façon dont les femmes ont été représentées dans les médias durant les trois premières années de la pandémie de COVID-19. Il s’inscrit dans le contexte d’une plus vaste recherche visant à mobiliser l’intelligence artificielle pour mieux cerner les représentations des femmes en temps de COVID-19 dans la presse québécoise (OBVIA, Université Laval). Le regard porté sur la littérature scientifique recensée s’inscrit dans une perspective féministe et intersectionnelle. L’un des constats majeurs qui ressortent de notre revue est que les femmes restent sous-représentées dans la sphère médiatique durant le contexte pandémique. Nous notons cependant qu’un certain nombre d’articles abordent les femmes comme figure d’autorité, notamment dans un contexte politique. Une importante part des études s’est toutefois intéressée aux femmes sous l’angle du care, par l’intermédiaire de thématiques telles que la domesticité, la maternité et le soin (où la figure de la travailleuse de la santé est dominante). Dans une moindre mesure, d’autres études abordent la question des violences genrées. Finalement, notre travail met également en exergue l’absence de contributions significatives en français sur les questions de représentation des femmes dans les médias durant la pandémie.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.005 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| 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".