Résultats principaux

Qui tricote, qui pêche — et ce que Duncan ne voyait pas

Le classement complet des 24 pratiques

Le graphique ci-dessous présente les 24 pratiques classées par leur indice de ségrégation continu \(\beta_k\). Plus une pratique est à gauche, plus elle est associée au pôle féminin du spectre identitaire. Plus elle est à droite, plus elle est associée au pôle masculin. Les barres horizontales montrent l’incertitude statistique (intervalles de confiance à 95 %).

Classement des 24 pratiques culturelles par l’indice de ségrégation continu. Les points encerclés changent de rang d’au moins 3 positions par rapport à l’indice de Duncan.

Les grandes catégories qui émergent

🧶 Fortement féminines

Tricot, Poterie, Danse, Cuisine, Journal intime

Ces pratiques sont très fortement associées au pôle féminin. Même en contrôlant pour la position identitaire au sein du groupe des femmes, l'effet est massif.

🎨 Tendance féminine

Peinture, Jardinage ornemental, Écriture, Jardinage potager, Dessin

Pratiques à connotation féminine mais avec davantage de mixité. L'écart identitaire est réel mais moins prononcé.

🎵 Neutres

Musique, Théâtre

Ces pratiques ne semblent pas structurées par l'identité de genre. La participation est indépendante de la position sur le spectre.

📷 Tendance masculine

Généalogie, Bricolage, Photographie, Jeux de cartes

Légère association avec le pôle masculin, avec une hétérogénéité notable.

🎮 Fortement masculines

Collection, Sciences, Jeux d'argent, Arts du cirque, Montage vidéo, Pêche/Chasse, Jeux vidéo, Customisation auto

Ces pratiques sont très fortement associées au pôle masculin du spectre identitaire.


Le résultat surprenant : ce que Duncan ne voyait pas

Les deux indices comparés. Les points éloignés de la diagonale sont les pratiques où le choix de la mesure change le verdict.

Les cas les plus instructifs

🎣

Pêche/Chasse — le cas silencieux

Duncan dit : écart modéré (peu de pratiquants, taux proches entre hommes et femmes).
L'indice continu dit : pratique très fortement masculine (β ≈ +10).

Pourquoi ? Parce que presque personne ne pêche — mais parmi ceux qui le font, c'est presque exclusivement des personnes à très forte identité masculine. Le signal identitaire est réel, mais Duncan le manque parce que les taux sont trop bas.

🍳

Cuisine — plus féminine qu'il n'y paraît

Duncan dit : écart féminin modéré (beaucoup de femmes cuisinent, mais aussi beaucoup d'hommes).
L'indice continu dit : pratique nettement plus féminine (β ≈ −4,4).

Pourquoi ? Au sein même du groupe des femmes, celles qui ont une identité très féminine cuisinent bien davantage que celles plus proches du pôle masculin. Cette hétérogénéité intra-groupe est invisible pour Duncan.

🎵

Musique — vraiment neutre

Duncan dit : écart quasi nul (hommes et femmes pratiquent autant).
L'indice continu dit : la même chose (β ≈ −0,3, non significatif).

Ici, les deux indices s'accordent : la musique est genuinement neutre sur le spectre identitaire. Ce n'est pas une pratique "mixte par compensation" — c'est une pratique universelle.


Ce que ça change pour comprendre la ségrégation

ImportantLe message principal

Traiter le genre comme binaire sous-estime la ségrégation identitaire des pratiques rares, et sur-estime la neutralité des pratiques fréquentes où les hommes et les femmes participent de manière similaire mais pour des raisons identitaires différentes.

En d’autres termes : même quand les taux de participation sont équilibrés, l’identité structure les pratiques. Comprendre pourquoi certaines personnes font certaines choses — et pas d’autres — demande de regarder au-delà de la case à cocher.


Pour aller plus loin

Ce projet est un premier pas. Les pistes ouvertes incluent :

  • Valider l’indice sur des données externes (attitudes de genre, emploi du temps)
  • Ajouter des contrôles socio-démographiques (âge, diplôme, CSP) pour isoler l’effet pur de l’identité
  • Intégrer les résultats dans un modèle d’utilité identitaire à la Akerlof & Kranton pour quantifier le “coût de déviation”
NoteCode et données

Le code complet est disponible sur GitHub. Toutes les analyses sont reproductibles avec R et Quarto.