Conditions de travail et maintien en emploi des seniors : enjeux d’un « décloisonnement » des approches et des pratiques
Bibliographic record
Abstract
La France, comme de nombreux pays occidentaux, est confrontée depuis trente ans à un vieillissement de sa population en général, et de sa population active en particulier. Dans une optique d’équilibre des systèmes de retraite, des directives de l’Union Européenne, déclinées dans chaque pays sous forme d’accords ou plans nationaux, ont eu pour objectif répété de reculer l’âge de départ en retraite et de promouvoir l’emploi des salariés les plus âgés. Les enquêtes menées jusqu’ici montrent cependant que les attitudes et les pratiques des entreprises n’évoluent pas rapidement et qu’il est judicieux de considérer les conditions de travail comme un des vecteurs du maintien en emploi des seniors. Cet article présente les résultats d’une étude empirique menée en France, à la demande du Conseil d’Orientation des Conditions de Travail (COCT), auprès de treize entreprises de taille et secteur d’activité variés qui ont inscrit dans leur plan ou accord « seniors » des dimensions relatives aux conditions de travail. Les monographies ainsi réalisées ont pour objectif d’éclairer les politiques publiques dans la perspective d’une démarche compréhensive favorisant une approche intégrée de la question du maintien en emploi des seniors. Elles permettent de pointer les limites mêmes des catégorisations que l’on pourrait tenter (« seniors », « conditions de travail », etc.) et les risques de cloisonnement associés. Elles permettent aussi de préciser la vitalité de démarches décloisonnées, leurs retombées, et les enseignements que l’on peut en tirer pour les politiques publiques.
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
Direct model labels (unvalidated)
Per-model category and study-design labels from the labeling rounds. They are machine output, unvalidated, and the disagreement between models ships as data. No study design here is MEDLINE-validated yet.
| Model arm | Categories | Study design | Confidence |
|---|---|---|---|
| gemma | no category Domain: not available · Genre: Empirical About the Canadian research system: no · About a Canadian topic: no | Qualitative | high |
| gpt | no category Domain: not available · Genre: Empirical About the Canadian research system: no · About a Canadian topic: no | Qualitative | high |
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 | 0.004 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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, unvalidatedLabeled directly by 2 models reading the full record.
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".