Conditions de travail et parcours dans l’entreprise. Vers une transformation qui intègre l’ergonomie et le genre ?
Bibliographic record
Abstract
L’ergonomie est la discipline qui a pour objet de transformer les milieux de travail afin d’améliorer la santé. L’ergonome entreprend ses travaux à la suite d’une demande du milieu. Bien que la division des emplois, des postes et des tâches de travail selon le genre puisse poser des problèmes pour la santé et le bien-être des femmes et des hommes, rares sont les demandes en ergonomie qui portent sur le genre. En France, à partir de 2009, l’Agence nationale pour l’amélioration des conditions de travail (ANACT) a décidé d’adopter une approche de genre dans ses interventions. Nous présentons ici une description d’une intervention centrée sur un poste pénible occupé majoritairement par des femmes. Les résultats de cette intervention ont contribué à alimenter les activités de l’ANACT ainsi que les décisions de politiques publiques. Nous appuyant sur le bilan de cette intervention, nous examinons l’opportunité de transformer le travail des femmes et des hommes à partir d’une approche de genre employée sur le terrain. Nous constatons qu’il est difficile d’entrer et de demeurer dans les milieux de travail en parlant explicitement d’égalité, de justice et de rapports de pouvoir. Mais parler uniquement de pénibilité et de santé ne permet pas toujours d’aborder les problèmes d’organisation du travail selon le genre qui affectent différemment la santé des travailleuses et des travailleurs.
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 | 0.007 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.011 |
| Scholarly communication | 0.014 | 0.009 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.019 | 0.005 |
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".