Regard intersectionnel sur la mise en oeuvre des politiques d'équité, diversité et inclusion (EDI) dans la fonction publique canadienne : expériences différenciées des fonctionnaires québécois et perspectives africaines
Bibliographic record
Abstract
Cette étude analyse les politiques d’Équité, Diversité et Inclusion (EDI) dans la fonction publique québécoise, en mettant l'accent sur la perception de leur valorisation et de leur impact parmi les fonctionnaires. À partir d’une analyse quantitative et qualitative, les résultats révèlent une valorisation élevée des politiques EDI, mais aussi une reconnaissance d’un impact limité dans certaines dimensions. La perception des effets de l’EDI varie selon les caractéristiques des agents publics, notamment en fonction de leur âge, de leur genre et de leur parcours professionnel. Ce travail met en lumière les défis persistants de l’implémentation des politiques d’EDI, tout en offrant des perspectives d’amélioration pour leur efficacité. En étendant la réflexion aux spécificités africaines, l’étude identifie des défis culturels et socio-économiques majeurs, notamment la discrimination de genre et ethnique, mais également des opportunités liées à l’émergence de réformes législatives et de partenariats internationaux. La conclusion de cette analyse ouvre sur la nécessité d’adapter continuellement les politiques d’EDI aux contextes locaux, afin de favoriser une inclusion véritable et durable dans les administrations publiques.
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 | 0.007 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.025 | 0.021 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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".