Manifeste a propos des femmes en STIM : 50 textes positifs et percutants
Bibliographic record
Abstract
En 2022, qu’en est-il de la situation des femmes en STIM (sciences, technologies, ingénierie, mathématiques) ? \nLe Manifeste à propos des femmes en STIM propose 50 textes qui s’adressent à l’ensemble de la population. Il rassemble les réflexions de plusieurs auteures, auteurs et regroupements issus des milieux scolaires, universitaires et privés qui oeuvrent à propos des femmes en STIM dans la francophonie canadienne. Ce Manifeste se veut positif et percutant, même s’il reste du chemin à faire vers l’équité et la parité. Plusieurs enjeux de taille demeurent d’actualité, comme la conciliation travail-famille et la maternité sans pénalité. Des enjeux comme l’intersectionnalité, l’EDI (équité, diversité et inclusion) et l’impact de la pandémie de COVID-19 sur les femmes en STIM sont également explorés. Soulignons les textes proposés à l’intersection entre les STIM et les domaines de la santé, des arts, de l’éducation et de la philosophie. D’autres textes montrent la préoccupation pour les femmes doublement minorisées, comme les femmes autochtones et les femmes non hétérosexuelles dans les domaines des STIM. Des pionnières témoignent de leur cheminement pavé d’obstacles, mais aussi de plaisirs. Sept recommandations sont proposées pour une société qui vise l’équité, la diversité et l’inclusion des femmes en STIM dans une perspective intersectionnelle.
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.008 | 0.009 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.014 | 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".