Vieillissement, organisation du travail et santé
Bibliographic record
Abstract
Aussi bien au Québec qu’en France, la structure démographique de la main-d’oeuvre se transforme, alors même que se produisent d’importantes mutations dans l’organisation des entreprises. Or l’évolution des conditions de travail pourrait mettre en difficulté des salariés vieillissants, de plus en plus nombreux. Le présent article rassemble et commente les résultats de recherches menées dans les deux pays ces dernières années, faisant appel à des disciplines diverses (principalement la sociologie, l’ergonomie et l’épidémiologie). Ce texte décrit d’abord les principales évolutions constatées dans la démographie des entreprises et dans les caractéristiques dominantes du monde du travail. Un modèle de compréhension des relations entre l’âge, la santé, et les nouvelles formes d’organisation du travail est ensuite proposé, modèle fondé sur la plus ou moins bonne compatibilité entre les exigences du travail et les marges de manoeuvre individuelles et collectives que les travailleurs peuvent élaborer au fil de l’âge et du parcours professionnel. À titre d’illustration, on examine enfin les résultats de cette démarche d’analyse dans deux domaines particuliers: les horaires atypiques et la précarité d’emploi
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.006 | 0.007 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
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".