Genre, racisation et immigration : vers une compréhension de l'intégration professionnelle des immigrantes noires et mères à Québec
Bibliographic record
Abstract
Ce mémoire cherche à comprendre l'influence de la division sexuelle du travail au sein du couple sur l'intégration professionnelle des femmes immigrantes noires et mères à Québec, un processus qui a été démontré par plusieurs auteurs comme étant difficile pour les immigrantes et encore plus pour celles qui sont noires. En s'appuyant sur le cadre théorique intersectionnel, l'analyse dégage des éléments de compréhension sur la façon dont le genre et la race interviennent et rendent difficile l'intégration des immigrantes mères. Réalisé selon une démarche plutôt qualitative, le mémoire présente une analyse de contenu réalisée à partir des entretiens semi-dirigés menés auprès de 10 femmes venant d'Afrique et des Caraïbes. Les résultats montrent que les stéréotypes liés au genre et à la race, les discriminations, les rapports de pouvoir, les rapports de domination constituent des obstacles clés à l'intégration des femmes immigrantes racisées. Bien qu'elles soient conscientes que la division sexuelle du travail et la notion de racialisation limitent leur intégration professionnelle, les participantes estiment que cette réalité n'en constitue pas un blocage permanent à leur intégration professionnelle.
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 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.015 | 0.009 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".