Vierastyövoiman työturvallisuuteen ja -terveyteen vaikuttavat tekijät
Notice bibliographique
Résumé
Suomalaiset puutarha- ja maatilayrittäjät palkkaavat vuosittain noin 15 000 ulkomaista työntekijää, pääasiassa kausityövoimaksi. Norjassa vastaava luku on 27000 (tiedot vuodelta 2007). Maatalous on yksi vaarallisimpia elinkeinoja, ja ulkomaalaistaustaisella työvoimalla on useiden tutkimusten mukaan kotimaista työvoimaa suurempi tapaturmariski. Ulkomaisen työntekijän tapaturmariskiä kasvattaa se, että hän on monessa riskiryhmässä samanaikaisesti. Tässä Pohjoismaisen ministerineuvoston rahoittamassa tutkimushankkeessa olivat mukana Norja, Ruotsi ja Suomi. Hankkeen tavoitteena oli tunnistaa työturvallisuuteen ja –terveyteen vaikuttavia tekijöitä mm. haastattelujen ja työntekijöiden itsedokumentoinnin (n=14) keinoin. Hankkeessa käytettiin hyväksi myös aiemmin vierastyövoimalle tehtyjä haastatteluja (n=40).Saadut tulokset vahvistavat aiemmissa tutkimuksissa saatuja tuloksia. Erityisiä kompastuskiviä työnteon turvallisuudelle ja terveellisyydelle olivat kielieroista johtuvat kommunikaatiovaikeudet, erot turvallisuusasenteissa, -tiedoissa ja –kulttuurissa, puutteellinen työkokemus sekä työntekijöiden pidättyvyys epäkohtien raportoinnissa työnantajalleen. Myös pitkät työpäivät sesongin aikana sekä urakkapalkkaus saattavat suoraan tai välillisesti nostaa tapaturmariskiä. Vakituisesti ulkomailla asuvien työntekijöiden koti-ikävä näyttää heikentävän työhyvinvointia. Jatkohankkeessa v. 2012–2013 tuloksista jalostetaan työkaluja, joita voidaan käyttää vierastyövoimaa palkkaavilla tiloilla mm. monipuolistamaan turvallisuuteen liittyvää kommunikaatiota ja koulutusta. Tutkimuskokonaisuutta rahoittavat Pohjoismainen ministerineuvosto, Työsuojelurahasto sekä Stiftelsen KSL Matmerk (Norja).
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,098 | 0,021 |
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 ».