The Complexities of Unknowns: Knowledge Contestations and Occupational Disease Recognition
Notice bibliographique
Résumé
In decision-making processes, competing knowledge claims create tensions, contestations, and negotiations between various social actors in their efforts to reach a decision.While attention to questions of knowledge (such as how certain knowledge gains legitimacy and authority) are useful in examining the dimensions and stakes of knowledge contestations, broadening the analysis to consider the complex role of unknowns can provide fruitful and nuanced insights into these contestations.Through a qualitative methodological research design, in this dissertation I focus on knowledge contestations in relation to the challenges of recognizing occupational diseases in the context of the Ontario workers' compensation system.The research questions that drive this investigation are as follows: (1) how do unknowns complicate knowledge contestations, specifically those surrounding the recognition of occupational diseases; (2) how do various types of knowledges and unknowns become mobilized in these recognition processes; (3) what counts as evidence in recognition processes, and what role does evidence play in supporting various knowledge claims; and (4) how do social and political factors influence the recognition of occupational disease?In exploring these questions, I primarily draw on three theoretical resources: new materialism, sociology of knowledge, and ignorance studies.I find that multiple dimensions of unknowns play a pivotal role in knowledge contestations over occupational disease recognition.The forms that such unknowns tend to take complicate and obscure connections between occupational factors and the development of disease.The mobilization of unknowns in contestations over disease recognition presents further challenges due to conflicting economic and other interests of the various social actors involved in these decisionmaking processes, as well as the broader influence of the dominant biomedical model in knowledge about disease and the body.A spotlight on FOI requests and archival methods………………………………52 FOI requests……………………………………………………………...52 v Archival methods……………………………………………………...…57 Case selection: occupational disease and Ontario's workers' compensation system……………………………………………………………………….61A note on methodological considerations in researching unknowns………..…...63 Reflexivity and epistemology……………………………………………………65 Conclusion……………………………………………………………….………71Chapter Three: Historical and Legislative Framework of Occupational Disease and Workers' Compensation in Ontario ……………………………………..….………..73 Legislative framework: Workplace Safety and Insurance Act (WSIA)…………74 Occupational disease and workers' compensation: historical overview…………82 Before the modern workers' compensation system (mid-1880s to 1914)……………………………………………………………....82 Development of WCB and growing concerns about occupational disease (1915 to 1970)……………………………………………………………86 The tumultuous years (1970s to mid-1990s)………………………….…91 Challenges to occupational disease recognition (mid-1990s to present)…………………………………………………………...101 Conclusion……………………………………………………………………...
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 | 0,066 | 0,089 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,006 | 0,004 |
| Études des sciences et des technologies | 0,022 | 0,105 |
| Communication savante | 0,029 | 0,041 |
| Science ouverte | 0,003 | 0,023 |
| Intégrité de la recherche | 0,007 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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 ».