Transfert et utilisation des résultats en milieu de travail : le cas de la recherche sur les éboueurs au Québec
Bibliographic record
Abstract
L’étude des mécanismes qui favorisent l’appropriation des résultats de recherche par les milieux de travail révèle l’existence de conditions indispensables à cette transmission. Cet article résume les conditions nécessaires au transfert et présente quelques-unes des principales approches qui sous-tendent les activités de diffusion des résultats de recherche. L’approche choisie est illustrée au moyen de l’exemple de l’étude des risques d’atteinte à la santé et à la sécurité des éboueurs au Québec. Dans ce cas, les conditions favorables étaient réunies : association des futurs utilisateurs dès la conception du protocole de recherche, évaluation rigoureuse de la qualité scientifique de l’étude, ciblage des relayeurs, liens interpersonnels entre ceux-ci et les chercheurs, engagement des chercheurs dans les activités de transfert, diffusion des résultats au moyen d’outils accessibles à la variété des clientèles sur le terrain. Toutefois, il existe des limites - technologiques, économiques et politiques - aux possibilités de transfert.
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 | 0.087 | 0.104 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.012 | 0.010 |
| Scholarly communication | 0.016 | 0.006 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".