« Les femmes aussi ont un cerveau ! » Le travail des femmes en ergonomie : réflexions sur quelques paradoxes
Bibliographic record
Abstract
Résumé Le travail des femmes a joué un rôle important dans l’orientation initiale d’Alain Wisner vers la conception de dispositifs de travail « adaptés » aux travailleurs et dans l’élaboration de l’arsenal conceptuel et méthodologique qu’il a construit. Mais ce rôle est resté pour une bonne part « invisible », car non-problématisé. Après avoir rappelé l’influence assumée de l’œuvre de deux femmes, Simone Weil et Suzanne Pacaud, sur la démarche de Wisner, l’auteure montre que la sortie du laboratoire, la découverte du travail « réel » et de l’intelligence des travailleurs eurent lieu grâce à l’incompréhension du travail des femmes par des hommes (syndicalistes et chercheurs). Plus largement, l’ergonomie du « laboratoire Wisner » s’est développée grâce à l’analyse du travail féminin : dans l’industrie électronique, d’abord, puis dans la confection, la métallurgie, les Tabacs et Allumettes, le matériel de précision, peu à peu dans les services, remettant en question les stéréotypes scientifiques et sociaux sur « les femmes ». À quel homme le travail doit-il être adapté ? De fait, cet « homme » est souvent une femme : en dépit d’exception notable, en particulier au Québec, dans beaucoup d’ouvrages et traités d’ergonomie la plupart des exemples illustratifs de situations de travail concernent des travaux effectués par des femmes ; mais le texte de fond est au masculin, sans que jamais soit discuté comment s’est effectuée cette généralisation. L’auteure analyse les motifs de cet effacement en mettant l’accent sur la tension entre généralisation et variabilité, tant sur le plan épistémologique que sur le plan de l’action syndicale.
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 | 0.009 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.007 | 0.027 |
| Scholarly communication | 0.008 | 0.009 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.004 | 0.004 |
| Insufficient payload (model declined to judge) | 0.009 | 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".