Le harcèlement moral en France : un concept juridique subjectif-objectif ?
Bibliographic record
Abstract
L’auteure évalue, sous le prisme du droit québécois, les problèmes liés à la reconnaissance des faits et à la preuve qui se posent en matière de harcèlement moral dans le droit français, malgré l’introduction de dispositions particulières dans le Code du travail par l’adoption de la Loi de modernisation sociale en 2002. La législation, tant française que québécoise, exige que le harcèlement moral produise des effets sur la victime. Plus précisément, le législateur français impose une atteinte portant soit sur la santé du salarié, sur sa dignité ou ses droits ou encore sur la compromission de son avenir professionnel. Les conséquences du harcèlement doivent aussi se faire sentir sur le milieu de travail du salarié. Quant aux comportements en cause, ils doivent présenter un caractère répété sans toutefois nécessiter d’abus de pouvoir entre le harceleur et le harcelé. Comme le harcèlement demeure une affaire de perception, il demeure difficile à démontrer. En fait, les seuls témoins sont souvent le harceleur et sa victime. Même s’il existe d’autres témoins, ceux-ci n’osent pas parler. Le législateur français a donc prévu une présomption de harcèlement et une protection pour les témoins afin de faciliter la preuve du salarié. Ces dispositions n’ont pas d’équivalent en droit québécois, mais semblent néanmoins insuffisantes, en raison de l’interprétation qu’en font les juges français.
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 | 0.006 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.004 |
| Science and technology studies | 0.017 | 0.029 |
| Scholarly communication | 0.019 | 0.010 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.007 | 0.007 |
| Insufficient payload (model declined to judge) | 0.011 | 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".