Discriminations intersectionnelles en droit à l'égalité canadien : complexités catégoriques, théories féministes et travail de soins
Bibliographic record
Abstract
Ce mémoire est né d'un intérêt pour les questions féministes et d'une volonté d'utiliser ma formation juridique afin de contribuer aux réflexions sur ces questions.Je tiens ainsi à exprimer ma gratitude envers Professeure Isabelle Duplessis, l'organisme Femmes du Monde à Côte-desneiges, le comité Femmes et Droit de l'Université de Montréal et le Parlement jeunesse du Québec qui, chacun•e à leur manière, m'ont amenée à développer cet intérêt pour les droits des femmes.J'aimerais remercier chaleureusement ma superviseure, Professeure Colleen Sheppard, qui m'a accompagnée dès le début de mes réflexions sur ce mémoire.Son travail passé et présent dans le domaine du droit à l'égalité m'a grandement influencée dans le choix des questions que j'y aborde.De plus, nos nombreux échanges et ses conseils judicieux ont été essentiels pour construire ma pensée.Son écoute, sa compréhension et sa confiance ont rendu ce mémoire possible.Je tiens ensuite à remercier le Conseil de recherche en sciences humaines du Canada (CRSH) pour leur soutien financier avec la bourse d'études supérieures du Canada au niveau de la maîtrise.Je remercie aussi la communauté de la Faculté de droit de McGill et l'Association des étudiant•es en droit des cycles supérieurs (AEDCS) pour le milieu académique stimulant et accueillant ainsi que pour toutes les belles rencontres qu'ils ont rendues possibles.Merci à mes collègues de la maîtrise, qui m'ont aidée à développer mes idées et dont l'amitié a été clé à mon épanouissement au deuxième cycle.Merci à mes professeur•es, tant au baccalauréat qu'à la maîtrise, qui m'ont permis d'aiguiser mon sens critique et m'ont transmis le goût de la recherche académique en droit.Une pensée également pour l'organisme Thèsez-vous?, qui m'a fourni un espace de rédaction et un réseau formidables.La retraite de rédaction est l'un de mes plus beaux souvenirs de la maîtrise.J'aimerais remercier mes ami•es et mes proches pour leur soutien et les belles discussions que nous avons eues sur mon mémoire.Un grand merci à mon partenaire, qui a cru en moi et a été présent infailliblement durant ces deux années, pour son appui précieux.Enfin, merci à ma famille, et particulièrement à mes parents, vous êtes tous les deux une grande source d'inspiration et votre support indéfectible fut essentiel à mon projet d'études supérieures.
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 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.010 | 0.019 |
| Scholarly communication | 0.011 | 0.009 |
| Open science | 0.001 | 0.008 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 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".