Informalisation du travail rémunéré et risques sociaux pour les travailleurs : le rôle des États-providence
Notice bibliographique
Résumé
L’article a pour objectif d’explorer comment les politiques des États-providence européens affectent la croissance du travail informel visant à échapper à la pauvreté. L’auteure avance qu’il est important d’établir des distinctions entre les types d’emplois informels — qui diffèrent significativement en fonction des types d’États-providence qui président les sociétés dans lesquelles le travail informel se développe —, en prenant en compte l’importance de la réglementation du travail, le degré de contrôle et de sanctions du travail informel, l’accès aux mesures de protection sociale, la dynamique démographique des migrations, etc. L’ensemble de ces facteurs contribue à exposer à des degrés divers les travailleurs de l’économie formelle les plus vulnérables aux risques sociaux, qui sont généralement couverts par les mesures de protection sociale et les droits sociaux. Dans sa portion empirique, l’article se base sur les données comparatives du Rapport Eurobaromètre spécial de 2014 pour cinq pays européens (Danemark, Finlande, Allemagne, Pologne et Espagne), qui permettent d’analyser les différences entre ces pays de l’étendue du travail informel pratiqué pour échapper à la pauvreté, et qui se fondent sur des données d’enquêtes nationales et de recherche qualitative.
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 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,001 |
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 ».