Les politiques anti-tabac en milieu de travail : les attitudes des travailleurs et les rôles de la direction et des syndicats
Bibliographic record
Abstract
Afin de mieux comprendre la réticence chez beaucoup de travailleurs et de syndicats à appuyer les politiques antitabac et les programmes d'éducation sur les lieux de travail, les auteurs ont fait enquête auprès des membres d'un syndicat national de travailleurs dans des industries à haut risque. L'article présente les résultats de deux enquêtes. Quatre répondants sur dix se sont déclarés fumeurs, mais neuf sur dix fumeurs ont déclaré qu'ils aimeraient arrêter de fumer. Quoique les non-fumeurs ont montré une tendance plus forte à appuyer des restrictions antitabac sur les lieux de travail, trois sur quatre fumeurs ont aussi appuyé des restrictions. Le pourcentage des répondants qui appuyait la préoccupation de l'entreprise et du syndicat pour l'usage du tabac en dehors du milieu du travail et le pourcentage qui s'y opposait était à peu près égal. En général, les répondants qui croyaient que l'employeur et le syndicat travaillaient pour améliorer la santé et la sécurité au travail ont montré une tendance plus forte à appuyer des politiques antitabac. Les auteurs discutent des implications de ces résultats pour leurs hypothèses et pour les programmes d'éducation antitabac sur les lieux de travail.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| 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".