Si le bruit rend sourd, rend-il nécessairement sourde ?
Bibliographic record
Abstract
Au Québec, des données spécifiques concernant les conditions d’emploi, de travail et de rémunération des hommes et des femmes sont publiées régulièrement. Depuis peu, des données ventilées selon le sexe commencent à alimenter les efforts de prévention en santé au travail. Malgré ces progrès, certains défis techniques, idéologiques et politiques demeurent: allant des difficultés dans les calculs des populations à risque, à la réticence à adapter les postes de travail ou à adapter la formation à la spécificité biologique des femmes. La recherche sur la santé des femmes au travail a beaucoup progressé, mais il reste plusieurs étapes à franchir. Notons également que les spécificités associées au genre des hommes sont presqu'entièrement oubliées dans les études. Il est difficile de conserver un équilibre entre la protection de la santé et l’égalité des sexes dans la recherche et l’intervention en santé au travail. Pour assurer cet équilibre, la recherche doit se faire en collaboration avec les travailleuses et travailleurs. Ils peuvent ainsi contribuer à construire une base solide d’informations qui permettront aux gouvernements, aux organismes responsables de la prévention en santé au travail, aux employeurs et aux syndicats de tenir compte, dans leurs politiques, des besoins des deux sexes en santé au travail.
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 | 0.011 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.006 | 0.007 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.023 | 0.003 |
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".