Décisions de transformation et sous-estimation des savoir et savoir-faire impliqués : le cas des activités de manutention
Notice bibliographique
Résumé
Le travail a progressivement connu des mutations dans tous ses aspects, notamment celui relatif à sa nature : manuel et/ou intellectuel. Parmi les nombreuses causes de ces changements figurent le progrès technologique, le développement de l’intelligence artificielle, l’usage répandu de l’Internet, l’automatisation et la robotisation des activités. Ces mutations ont été accompagnées d’une accélération de la chute des emplois manuels dans certains secteurs, en particulier manufacturiers, en même temps qu’on a observé, dans d’autres secteurs, une pénurie de main-d’oeuvre dans les emplois à composante manuelle et dont l’exécution des tâches implique une mobilisation de connaissances (le savoir) et donne lieu à des pratiques (le savoir-faire) souvent sous-estimées. Ces changements ont généré des décisions de transformation, prises souvent sans compréhension suffisante des savoirs et savoir-faire impliqués, ce qui constitue une source de difficultés qu’il est pertinent d’examiner à travers le présent article. Dans un premier temps, ces difficultés sont cernées, puis analysées pour essayer de comprendre comment, dans une société dite de la connaissance, les savoirs et savoir-faire des travailleurs peuvent être autant ignorés. Dans un second temps, nous présentons des exemples de savoir et de savoir-faire associés à des activités manuelles et les problèmes résultant des décisions de transformation qui ne les ont pas prises suffisamment en compte.
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 | 0,016 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».