Pour une prévention durable des troubles musculosquelettiques chez des travailleuses saisonnières : prise en compte du travail réel
Bibliographic record
Abstract
Cette recherche compte parmi les rares études s’étant intéressées à la prévention des troubles musculosquelettiques (TMS) sous l’angle de l’organisation temporelle du travail et des déterminants liés aux politiques publiques et aux consignes ministérielles. Les objectifs étaient de dresser un portrait des exigences temporelles du travail saisonnier et d’identifier des déterminants des situations de travail pour une prévention durable des TMS. Reposant sur une analyse de l’activité de travail dans une perspective de genre, 16 travailleuses saisonnières de l’industrie de la transformation du crabe ont été suivies pendant deux années consécutives. Divers entretiens, des observations (activité, production et organisation du travail) et l’analyse de documents ont été réalisés. Les résultats mettent en évidence l’importance des contraintes liées aux postes de travail des femmes dans ce secteur, le portrait partiel et incomplet qu’apportent les données de production pour comprendre les contraintes temporelles des travailleuses, ainsi que les répercussions importantes que peuvent engendrer des politiques publiques sur l’activité de travail de travailleuses. L’étude propose des éléments méthodologiques pour l’analyse de l’organisation temporelle du 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 | 0.005 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.012 | 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".