Le vieillissement au travail et en emploi : bilan synthèse des travaux récents
Bibliographic record
Abstract
Ce bilan synthèse souligne la place marginale qu'occupent les travaux sur le vieillissement au travail et en emploi, malgré la centrante du travail dans les sociétés industrielles avancées et les conséquences importantes des conditions de travail et des itinéraires professionnels antérieurs pour la vie à la retraite. Le champ de la vieillesse et du vieillissement étant délimité à partir de critères d'âge et d'exclusion du marché du travail, le rôle du travail et de l'emploi en tant que facteurs structurants du processus de vieillissement est occulté. Les travaux sur cette question sont relativement peu nombreux, bien qu'en croissance depuis la dernière décennie. On peut les partager en trois grandes catégories, selon leurs objets d'analyse: 1) les analyses des statistiques sur la population active, 2) les études des politiques et pratiques des entreprises et de leurs effets sur la main-d'œuvre vieillissante et 3) les études sur différentes catégories de travailleuses et de travailleurs vieillissants. En conclusion, le peu d'influence de ces travaux de recherche sur les acteurs sociaux concernés est attribuée à la faible intervention de l'État dans la vie économique et dans les activités des entreprises privées.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.008 | 0.015 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.011 | 0.009 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".