Femmes et hommes dans l'enseignement supérieur : vers plus d'égalité ?
Bibliographic record
Abstract
Pour saisir l’intérêt qui est porté aux inégalités de genre dans l’éducation, il convient de se rappeler que l’éducation sous forme scolaire puis universitaire s’est adressée aux hommes bien avant de s’adresser aux femmes et que les enseignements ont longtemps différés selon le sexe. Cependant, si davantage de garçons que de filles sont encore scolarisés dans certains pays, tel n’est plus le cas dans les pays occidentaux. Dans ces derniers, les filles sont progressivement devenues plus nombreuses que les garçons à fréquenter l’école secondaire et tendent davantage à poursuivre vers des études supérieures que les garçons. Dès lors, dans quelle mesure aurions-nous atteint l’égalité hommes-femmes dans l’enseignement supérieur ? Pour répondre à cette question, nous nous intéressons aux parcours des étudiants québécois au cours des 40 dernières années. Nous voyons ainsi que depuis le début des années 1980, les étudiantes sont progressivement devenues plus nombreuses que les étudiants et que leur réussite tend à être également meilleure. Nous ouvrons alors une discussion sur des facteurs susceptibles de contribuer à expliquer ce phénomène.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.011 | 0.007 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 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".