MétaCan
Menu
Back to cohort
Record W2068376728 · doi:10.4000/pistes.3213

Pratiques de gestion et rapports d’âge en milieu de travail

2005· article· fr· W2068376728 on OpenAlexvenueno aff
Yolande Pelchat, André Campeau, Julie Bradette, Michel Vézina

Bibliographic record

VenuePerspectives interdisciplinaires sur le travail et la santé · 2005
Typearticle
Languagefr
FieldSocial Sciences
TopicRetirement, Disability, and Employment
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

Le vieillissement de la main-d’œuvre et ses conséquences potentielles préoccupent. Jusqu’à maintenant, les planificateurs ont eu tendance, à l’instar de chercheurs de diverses disciplines, à assimiler cette question à la présence accrue dans les milieux de travail de travailleurs âgés ou de travailleurs vieillissants, des qualificatifs qui sont généralement accolés aux travailleurs dont l’âge d’état civil est 45 ans ou plus. Dans une recherche de nature exploratoire menée dans la fonction publique québécoise, nous avons choisi de suivre une avenue résolument différente et d’examiner comment différents acteurs en co-présence dans les milieux de travail (employés et gestionnaires) participent à la construction et à la déconstruction des identités d’âge. L’analyse amène à voir les liens étroits entre ces identités et l’organisation du travail, plus spécifiquement les pratiques de gestion. Les résultats suggèrent, en effet, que les relations qu’entretiennent les employés d’âge différent de même que les caractéristiques attribuées aux uns et aux autres se construisent dans le cours même des pratiques de gestion. La démarche entreprise invite donc à revoir l’a priori d’un « fossé intergénérationnel », déjà existant à l’échelle de la société, et qui ferait du milieu de travail un simple lieu où se manifeste et s’exprime ce fossé.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.007
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Qualitative · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.645
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0070.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0000.000
Science and technology studies0.0010.002
Scholarly communication0.0000.001
Open science0.0010.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.052
GPT teacher head0.403
Teacher spread0.350 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designQualitative
Domainnot available
GenreEmpirical

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".

Quick stats

Citations2
Published2005
Admission routes1
Has abstractyes

Explore more

Same venuePerspectives interdisciplinaires sur le travail et la santéSame topicRetirement, Disability, and EmploymentFrench-language works237,207