Les pratiques préventives auprès des travailleurs d’agences de location de personnel temporaire ou permanent : comparaison entre les travailleurs immigrants et non immigrants
Bibliographic record
Abstract
Des études démontrent que la fréquence des lésions professionnelles chez les travailleurs d’agences de location de personnel est la plus élevée parmi les secteurs industriels au Québec. L’absence de réglementation spécifique aux relations de travail triangulaires entre l’entreprise cliente, l’agence et le travailleur serait le principal facteur en cause dans la négligence de leur protection de la santé et la sécurité au travail (SST). Le présent article décrit les pratiques préventives de SST dont ont bénéficié 42 travailleurs d’agences de location de personnel des régions de Québec et de Montréal. L’analyse qualitative compare, entre les travailleurs immigrants et non immigrants, leur exposition aux risques, leur accès à une formation ainsi qu’aux équipements de protection individuelle, et le soutien qui leur est accordé pour déclarer une lésion professionnelle lorsqu’ils sont victimes d’un accident ou d’une maladie. Les résultats démontrent que les travailleurs immigrants, ayant recours aux agences pour trouver un emploi d’insertion sur le marché du travail, sont affectés à des emplois parmi les plus pénibles et dangereux. Ni l’agence, ni l’entreprise cliente n’assurent une protection adéquate, et le collectif des travailleurs de l’entreprise cliente souvent les ignore.
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 | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 0.000 |
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".