Bibliographic record
Abstract
Cet article porte sur la méthodologie utilisée pour mesurer le temps consacré au travail dans les études d’emploi du temps. Pour ce faire il s’appuie sur l’analyse des données originales de cinq enquêtes canadiennes réalisées entre 1986 et 2010, de trois enquêtes françaises réalisées la même année que l’une des enquêtes canadiennes, ainsi que de trois enquêtes américaines. Après avoir décrit sommairement cette méthode d’enquête, en avoir souligné l’intérêt mais aussi les limites, il illustre comment la perception du temps consacré au travail est peu fiable au regard d’une mesure d’emploi du temps quotidien. Une telle mesure permet de pouvoir prendre en compte non seulement le temps consacré directement au travail rémunéré, mais aussi d’autres aspects du travail tels les déplacements, ce qui augmente de manière significative la charge totale de travail. Sur la longue durée, on peut aussi analyser assez finement les déplacements de temps, tout particulièrement en ce concerne la sensibilité très forte du temps consacré au loisir par rapport à toute augmentation ou toute diminution du temps de travail, de même que les différences selon le genre et selon le statut parental.
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 | 0.012 | 0.044 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.006 | 0.007 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 0.004 |
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".