Bibliographic record
Abstract
Changer la science pour les travailleuses* Karen MESSING Le Centre pour l'étude des interactions biologiques entre la santé et l'environnement (CINBIOSE) que je dirige, composé de chercheuses en biologie, en ergonomie, en sciences juridiques et en sociologie, étudie la santé environnementale et la santé au travail depuis une vingtaine d'années.Depuis 1993, une équipe du CINBIOSE concentre ses recherches sur la santé des femmes au travail dans le cadre d'un partenariat formel avec les structures de condition féminine et à la santé et la sécurité du travail des trois principales centrales syndicales québécoises 1 .Mon expérience dans ce contexte m'a amenée à vivre différemment mon métier de scientifique, le processus de construction du savoir scientifique et la relation entre chercheurs et institutions scientifiques.Ce texte résume quelques-unes des questions issues de cette expérience de partenariat sans nécessairement apporter de réponses. *Extraits adaptés des chapitres 6 et 12 de mon ouvrage La santé des travailleuses: la science est-elle aveugle?(Montréal, Éditions du remue-ménage, 2000).Les recherches ont été subventionnées par le Conseil québécois de recherche sociale (CQRS) et le Conseil de recherche en sciences humaines du Canada (CRSH).Elles ont été réalisées par une équipe de plus de 20 chercheuses, dont Ana Maria Seifert, Donna Mergler, Nicole Vézina, Katherine Lippel, France Tissot et Lucie Dumais.Sylvie de Grosbois, du Service aux collectivités de l'Université du Québec à Montréal, a joué un rôle de première importance dans les recherches et comme coordonnatrice de notre partenariat avec les centrales syndicales.Dans ce texte, «nous» renvoie à l'équipe du CINBIOSE.
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 | 0.022 | 0.043 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.009 | 0.012 |
| Scholarly communication | 0.015 | 0.015 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.014 | 0.015 |
| Insufficient payload (model declined to judge) | 0.027 | 0.006 |
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".