Pauvreté et exclusion chez les femmes un modèle empirique du social perçu
Bibliographic record
Abstract
Ce mémoire de maîtrise, abordant les thématiques de la pauvreté et de l'exclusion sociale, présente les résultats d'une recherche qualitative effectuée auprès de femmes provenant de milieux défavorisées. Phénomène social toujours d'actualité, la pauvreté touche environ une personne sur cinq et près de deux ménages monoparentaux sur cinq dont le chef de famille est de sexe féminin au Québec. L'objectif principal de cette étude vise à explorer la manière dont les femmes marginalisées et démunies perçoivent la société qui les exclut. Des entrevues semi-dirigées, auprès d'un échantillon de dix femmes démunies de la région estrienne, ont été conduites sur une période s'étalant de l'automne 2003 au printemps 2004. L'analyse des résultats, à l'aide de la théorisation ancrée, a été effectuée de manière itérative entre les écrits théoriques et les données terrain. Celle-ci a permis de faire émerger un modèle empirique qui permet de comprendre, de manière originale, le phénomène de la pauvreté et de l'exclusion. Le modèle empirique constitué en deux axes (nécessité et accessibilité), met en relief quatre profils de répondantes selon leur perception du social."--résumé abrégé par UMI.
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) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.010 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| 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".