Se former pour prévenir. Les représentants syndicaux des CHSCT face aux risques cancérogènes, mutagènes et reprotoxiques
Notice bibliographique
Résumé
Cet article interroge la mise en oeuvre des démarches de prévention des risques cancérogènes, mutagènes et reprotoxiques (CMR) dans la région Haute-Normandie. L’accent sera mis ici sur les enjeux de formation des représentants syndicaux pour participer de manière active à ces démarches. Il s’agit de comprendre comment les représentants syndicaux se forment aux enjeux de prévention des risques CMR et comment les connaissances qu’ils acquièrent leur permettent ensuite de développer différentes pratiques syndicales. Par la formation, les acteurs s’approprient de nouvelles compétences pour se mobiliser autour de ces questions et enclencher ensuite des dynamiques de prévention. Seulement, s’inscrire dans ces dynamiques de formation reste soumis à de multiples contingences. Les acteurs peuvent également lier de nouvelles relations avec des acteurs institutionnels (rôle de l’inspection du travail, de la Carsat, des médecins du travail, etc.), ce qui contribue, pour les représentants syndicaux notamment, à leur ouvrir de nouvelles perspectives dans les relations professionnelles qu’ils entretiennent avec les employeurs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,002 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».