Bibliographic record
Abstract
Les années récentes ont vu se développer une critique de l’intensification du travail. Mais il importe surtout de voir dans quelle mesure l’activité bénéficie ou non d’une organisation. Dans le travail, au sein des entreprises ou des administrations, le temps des salariés est structuré. Des dispositifs d’organisation, des objets, des définitions de fonctions lui donnent un cadre structuré tandis que les pratiques structurent le temps en retour. Cette structuration passe par la connaissance par les directions de ce à quoi les agents de terrain consacrent quotidiennement leur temps de travail. Cette connaissance peut se réduire à une simple prise d’information ponctuelle, voire lacunaire, mais elle peut aussi consister en un effort organisé pour faire remonter vers la décision stratégique la connaissance, par les agents de terrain cette fois, des situations et des réalités de l’activité. L’article cherche à montrer que, dans le travail, le temps n’est pas seulement une affaire de cadence, mais que compte également ce à quoi est consacré ce temps, ce qu’il produit. Par ailleurs, le temps n’est pas seulement structuré par un organizing, mais aussi par un strategizing. Celui-ci propose un récit qui rend ou non visible ce que produit l’utilisation de ce temps par les diverses catégories de salariés. L’article montre à propos de deux organismes HLM que la stratégie, en élaborant un récit du passé plus ou moins construit, aide ou non à rendre visibles des activités que les gardiens d’immeuble pourraient développer à partir de leur connaissance des situations pratiques.
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.006 | 0.011 |
| Scholarly communication | 0.020 | 0.014 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.004 | 0.005 |
| Insufficient payload (model declined to judge) | 0.019 | 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".