Les comités de santé et de sécurité dans les petites entreprises multiethniques de Montréal
Bibliographic record
Abstract
Il existe une littérature importante sur les comités de santé et de sécurité (CSS) et leur efficacité, toutefois aucune étude ne s’est intéressée aux CSS dans les petites entreprises (PE) multiethniques, et ce, malgré l'importance de ces dernières dans les métropoles comme Montréal. Le présent article traite des facteurs favorisant la présence et le fonctionnement des CSS dans les PE multiethniques de Montréal. Des entrevues auprès des responsables de la SST de 28 PE montréalaises et avec les professionnels de santé au travail qui œuvrent dans ces entreprises ont permis de réaliser cette analyse secondaire, spécifique aux CSS. Notons que ces entrevues ont été réalisées dans le cadre d’une étude sur les stratégies favorables de prise en charge de la santé et sécurité au travail (SST) dans les PE embauchant de façon importante des travailleurs immigrants (Gravel et coll., 2013). Les résultats indiquent que les facteurs favorables à l’implantation et au fonctionnement des CSS sont : la taille de l'entreprise, le secteur d'activité, la présence d'un syndicat, la présence d'arguments favorables à la SST, le type d’entreprise, la présence d’un responsable de la SST occupant une fonction en gestion des ressources humaines ou en SST, détenant une formation universitaire dans un de ces deux champs ou en administration. Deux autres facteurs contribuent également : la formation universitaire du dirigeant et, enfin, l'utilisation des services des acteurs externes en SST. Les résultats mettent en doute la croyance selon laquelle les PE n’ont pas de CSS, surtout celles qui embauchent de façon importante des immigrants. Parmi ces dernières, on observe un phénomène d’homogénéité ethnique au sein de la hiérarchie. Les dirigeants, les superviseurs et les travailleurs sont souvent originaires des mêmes pays. Dans ces entreprises, les CSS sont généralement non paritaires et ont été implantés depuis peu de temps.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.000 |
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".