Bibliographic record
Abstract
La production de chiffres est au cœur des mobilisations féministes et des politiques du genre, que l’on pense aux quotas de femmes, aux indicateurs sexués, aux procès pour discriminations, au gender budgeting ou au décompte des féminicides. Vecteur potentiel d’une prise de conscience de l’existence de situations injustes et inacceptables, elle génère aussi des controverses sur ce qui doit être compté comme sur la façon de compter. Les écarts de salaire entre femmes et hommes en sont l’illustration parfaite : suivant les modes de calcul, on passe ainsi de 25 % à 9 %. Pourtant, les enjeux de pouvoir et de savoir soulevés par de tels outils restent souvent dans l’ombre.Centré sur la sphère du travail, cet ouvrage vise à combler ce manque avec un double objectif : montrer comment la sociologie de la quantification permet de penser de manière critique les politiques publiques d’égalité et les stratégies des organisations s’appuyant sur des nombres et des indicateurs ; analyser le cadrage de l’égalité professionnelle et salariale qui se cache derrière les chiffres pour en révéler les jeux et enjeux politiques.Il s’appuie sur des enquêtes approfondies en sciences sociales (sociologie, science politique, gestion, économie et droit) et des témoignages d’expertes engagées, en se nourrissant de la comparaison internationale (France, Angleterre, Danemark, Suède et Québec).
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 | 0.014 | 0.038 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.007 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.009 | 0.006 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 0.002 |
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".