Travail de la dette et inégalités de patrimoine : perspective de genre
Bibliographic record
Abstract
Cadre de la recherche : Les études existantes s’accordent sur le fait que le travail rattaché à la gestion des dettes et de leurs conséquences est majoritairement pris en charge par les femmes. On sait que ce travail de la dette implique plus de privations et de sacrifices, mais on ne connait pas ses effets sur le patrimoine féminin. Objectifs : Cet article identifie des processus expliquant le lien entre le travail de la dette et l’érosion du patrimoine des femmes. Méthodologie : Cet article s’appuie sur 44 entretiens semi-directifs menés en Suisse auprès de personnes surendettées en couple avec ou sans enfants dans le cadre de deux recherches sur l’endettement financées par le Fonds national suisse de la recherche scientifique (2016-2022). Résultats : Nous montrons que la prédominance féminine dans le travail de la dette peut s’expliquer par le fait que ce dernier n’est pas qu’un travail financier et administratif. Il est vécu comme un travail de care parental et conjugal. Le souci et la préservation du bien-être des membres de la famille, tout spécialement des enfants, conduit les femmes à y investir leur propre patrimoine. Perçu comme un moyen de « faire du genre » (doing gender) dans une situation de surendettement en agissant comme une « bonne » mère et conjointe, ce travail et les inégalités qu’il produit ne sont pas remises en question. Conclusion : La financiarisation de la vie quotidienne implique de nouvelles formes de travail financier, comme le travail de la dette, qui participent à renforcer les inégalités patrimoniales au sein de la famille, le patrimoine masculin et celui des enfants étant préservé au détriment du patrimoine des femmes. En ce sens, les patrimoines individuels des membres de la famille ont des significations différentes, le patrimoine des femmes étant une variable d’ajustement en cas de difficultés économiques permettant de maintenir le statut familial et les bonnes relations familiales. Contribution : En portant sur les charges financières assumées par les femmes, cet article propose une nouvelle clé de compréhension des processus genrés de constitution des inégalités de patrimoine qui jusque-là ont surtout porté sur l’accès genré à l’argent et à l’héritage.
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 | 0.005 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.014 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.013 | 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".