La Loi sur le tabac (décembre 1999) et les paradoxes de son application dans les milieux usiniers
Bibliographic record
Abstract
La Loi sur le tabac (1999) visant à réduire le tabagisme interdit notamment l’usage du tabac au travail. Se pose aujourd’hui l’urgence d’un questionnement sur les répercussions de cette dernière dans les différents milieux de travail.Un examen de la littérature portant sur les restrictions tabagiques au travail indique que les recherches récentes, essentiellement de nature quantitative, visent à mesurer l’efficacité des interdictions et restrictions, ou à identifier les caractéristiques du travail en lien avec le tabagisme. La plus forte prévalence du tabagisme chez les travailleurs d’usines (cols bleus) suggère de porter un regard particulier sur cette population.Dans une perspective exploratoire, deux études de cas originales ont été menées (été 2002) dans deux usines syndiquées.Les résultats de la recherche mettent en perspective la perception qu’ont les travailleurs vis-à-vis de la Loi dans les usines. Pour eux, il fait non-sens qu’une Loi visant l’amélioration de la santé soit appliquée dans des milieux considérés laxistes en matière de qualité de l’environnement de travail. La recherche révèle l’importance d’envisager la question de la qualité de l’environnement de travail de manière globale.
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".