Se former pour prévenir. Les représentants syndicaux des CHSCT face aux risques cancérogènes, mutagènes et reprotoxiques
Bibliographic record
Abstract
Cet article interroge la mise en oeuvre des démarches de prévention des risques cancérogènes, mutagènes et reprotoxiques (CMR) dans la région Haute-Normandie. L’accent sera mis ici sur les enjeux de formation des représentants syndicaux pour participer de manière active à ces démarches. Il s’agit de comprendre comment les représentants syndicaux se forment aux enjeux de prévention des risques CMR et comment les connaissances qu’ils acquièrent leur permettent ensuite de développer différentes pratiques syndicales. Par la formation, les acteurs s’approprient de nouvelles compétences pour se mobiliser autour de ces questions et enclencher ensuite des dynamiques de prévention. Seulement, s’inscrire dans ces dynamiques de formation reste soumis à de multiples contingences. Les acteurs peuvent également lier de nouvelles relations avec des acteurs institutionnels (rôle de l’inspection du travail, de la Carsat, des médecins du travail, etc.), ce qui contribue, pour les représentants syndicaux notamment, à leur ouvrir de nouvelles perspectives dans les relations professionnelles qu’ils entretiennent avec les employeurs.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 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".