Comment gérer une main-d'œuvre âgée? Regard sur la France
Bibliographic record
Abstract
Résumé Après avoir présenté le cadre législatif et la situation de l’emploi des travailleurs âgés en France, les auteures décrivent les actions que mènent deux firmes exemplaires à cet égard : Boiron et Areva. Ces analyses de cas ainsi qu’une revue de la documentation sur le sujet les conduisent à préciser les conditions clés pour gérer et intégrer les travailleurs âgés. Ainsi, l’entreprise doit privilégier une démarche globale et dynamique de gestion des âges, et non seulement de gestion des travailleurs âgés. Elle doit adopter des stratégies de gestion propres à son contexte. De même, il est important de promouvoir une culture reconnaissant l’expérience des travailleurs âgés. L’entreprise doit également réfléchir à la personnalisation de sa gestion des ressources humaines. En outre, il est souhaitable que l’entreprise aborde la gestion des travailleurs âgés comme un enjeu stratégique pour elle. Enfin, elle doit considérer ces derniers comme une ressource à part entière de l’organisation.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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 teacher head, 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".