Critères pour apprécier les difficultés d’accès à l’indemnisation des travailleurs immigrants victimes de lésions professionnelles
Bibliographic record
Abstract
Règle générale, presque tous les travailleurs du Québec victimes de lésions professionnelles peuvent se prévaloir d’indemnités. Mais l’accès à l’indemnisation est difficile pour bon nombre d’entre eux dont les travailleurs immigrants. Cet article décrit le processus d’évaluation et les critères ayant permis de juger des difficultés rencontrées par des travailleurs lors de leur parcours d’indemnisation. Trois groupes d’experts ont attribué des scores de difficulté à un échantillon de 104 travailleurs immigrants et non-immigrants de la région montréalaise victimes de lésions musculo-squelettiques. La comparaison des scores a été faite sous trois angles d’évaluation (médical, juridique et administratif) et le résultat demeure le même : les travailleurs immigrants ont des scores de difficultés supérieurs aux autres travailleurs et particulièrement lorsque l’analyse est faite sous les angles juridique et administratif. Les critères retenus ciblent les dimensions humaines liées aux incompréhensions lors des procédures, des problèmes de communication à lire la documentation ainsi qu’à compléter les formulaires et à s’exprimer précisément lorsqu’il s’agit de décrire les événements accidentels ou les circonstances entourant l’apparition de la lésion et les symptômes médicaux.
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 | 0.005 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".