Les enjeux de la conciliation emploi-famille dans un secteur caractérisé par des conditions de travail difficiles : la restauration
Bibliographic record
Abstract
Cet article présente les résultats d’une recherche qualitative menée dans le secteur de la restauration, lequel est reconnu pour ses conditions de travail difficiles. En effet, il est caractérisé par des horaires de travail variables, qui occasionnent des difficultés du point de vue de la conciliation emploi-famille. Ces difficultés sont principalement dues au fait que les horaires sont atypiques, imprévisibles et incompatibles avec les mesures habituelles de conciliation emploi-famille telles que les services pour la garde des enfants. Malgré ces difficultés et le caractère stressant des emplois dans le secteur de la restauration, les individus interviewés disent demeurer au sein de cette industrie parce qu’ils aiment travailler avec le public; ils aiment la montée d’adrénaline et la satisfaction intrinsèque associées à leur travail. Une raison importante qui explique la rétention des employés malgré les difficultés de conciliation est le fait que leur métier est payant en proportion du nombre d’heures travaillées. Les résultats exposés dans cette étude permettent de brosser un portrait contrasté de la conciliation emploi-famille dans un secteur marqué par un dilemme entre obstacles et bénéfices.
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 | 0.004 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".