Résultats préliminaires du Net LGBTQI+ Baromètre français 2021-22 au regard de la diversité de genre répondant·e·s
Bibliographic record
Abstract
Le Net LGBTQI 2021-22 Baromètre a ouvert son recrutement à toute personne de diversité sexuelle et/ou de genre.Ces changements ont permis de plus que doubler la quantité de personnes de diversité de genre recrutées, en passant de 5,2 % de l’échantillon à 13,0 %, ainsi que de recruter 6,4 % de femmes cis. Dans l’échantillon de 3 649 participant·e·s , 1,9 % des s'identifient comme hommes trans, 1,7 % comme femmes trans, et 9,4 % comme non-binaires, agenres, intersexes, genderfluid, en questionnement ou autre, pour un total de 474 personnes (13,0 %) issues de la diversité de genre. Avec près de 500 personnes de diversité de genre recrutées en France, le Net LGBTQI+ Baromètre 2021-22 est l’une des études quantitatives françaises les plus riches et exhaustives à ce jour sur le sujet.Après avoir présenté les problématiques de santé rencontrées par les personnes de diversité de genre (issue d'une courte revue de littérature), nous contrastons les résultats préliminaires des 3 649 premiers questionnaires entièrement complétés selon l'identité de genre des répondant·e·s pour dégager les variations de leur profil sociodémographique, sociosexuel, en santé sexuelle et mentale et du parcours de transition des personnes trans et non binaire.Une partie de ces résultats confirme la détresse vécue par les personnes de diversité sexuelle et de genre, en particulier les personnes trans et diverses dans le genre. Leurs réalités méritent donc d’être approchées avec un regard inclusif afin de développer des interventions individuelles, mais surtout afin d’éclairer les décisions d’un point de vue structurel à leur égard.
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 | 0.015 | 0.039 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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".