Incapacités, reconnaissance administrative du handicap et accès à l'emploi : les apports de HID
Bibliographic record
Abstract
Résumé Les problèmes de santé, le handicap peuvent interdire l’accès à l’emploi. Pour y remédier, la loi de juillet 1987 a introduit une obligation d’emploi des travailleurs handicapés. Comment les problèmes de santé, les incapacités qu’ils génèrent, pénalisent l’accès à l’emploi des personnes en âge de travailler ? Qui, parmi les personnes déclarant des problèmes de santé, a recours à la loi de juillet 1987 pour rechercher ou conserver un emploi ? HID est la première enquête réalisée en France permettant d’aborder ces questions. En effet, grâce à la construction d’indicateurs d’incapacités adaptés à la problématique de « l’employabilité » qu’elle autorise, on peut identifier deux populations, celle des 20-60 ans déclarant des incapacités et, en son sein, celle des personnes qui s’inscrivent dans la loi de juillet 1987. Au total, 3,4 millions de personnes, soit 11 % des 20-59 ans, déclarent au moins une incapacité. C’est beaucoup plus que l’ensemble des personnes ayant recours à la loi de juillet 1987. Au sein de cette population, c’est le cumul d’incapacités associé à un faible niveau de qualification qui éloigne de l’emploi. À même niveau d’incapacité, le taux d’emploi sera beaucoup plus faible pour les ouvriers non qualifiés que pour les cadres.
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 | 0.007 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.004 | 0.008 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.008 | 0.001 |
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".