« Travailler la nuit pour voir ses enfants, ce n’est pas l’idéal ! »
Bibliographic record
Abstract
Les horaires atypiques imposés compliquent la conciliation travail-famille (CTF), particulièrement lorsqu’ils sont associés à un travail impliquant un bas salaire, un faible contrôle sur le travail, ou du temps partiel involontaire. Un nombre grandissant de travailleuses et de travailleurs sont exposés à ces horaires, mais peu d’études se sont intéressées aux stratégies de CTF déployées pour faire face à ces conditions contraignantes. Les seuls accommodements possibles reposent souvent sur des ententes informelles. Ces ententes sont fragiles et individuelles et, de plus, elles sont marquées par les rapports avec un gestionnaire ou des collègues. Elles exercent aussi une pression importante sur le collectif de travail, ce qui peut venir limiter la marge de manoeuvre permettant de concilier les deux réalités, c’est-à-dire l’espace nécessaire afin d’adapter sa tâche en fonction de son contexte et de ses capacités. Notre étude interdisciplinaire (en communication et ergonomie) porte sur les stratégies de CTF d’agentes et d’agents de nettoyage, un emploi comportant des horaires atypiques imposés et un faible niveau de prestige social. Cet article porte sur les facteurs organisationnels et les dynamiques relationnelles qui influencent la marge de manoeuvre d’agentes de nettoyage qui, pour concilier horaires atypiques et vie familiale, font le choix de travailler la nuit. L’analyse des données provenant d’observations et d’entretiens met en évidence l’interaction entre le choix de l’horaire de travail, le soutien des collègues et les rapports liés au genre ainsi qu’à l’ancienneté. En situant les stratégies de CTF au coeur de l’activité de travail, nos résultats permettent d’illustrer les tensions collectives suscitées par l’accommodement des besoins individuels de CTF. Améliorer les marges de manoeuvre visant à concilier vie familiale et horaires atypiques nécessite d’intervenir simultanément sur l’organisation du travail et les dynamiques relationnelles afin de favoriser l’émergence de pratiques collectives de soutien autour des enjeux de CTF. Ces dynamiques doivent être prises en compte lors de la mise en place de mesures organisationnelles, voire même de dispositifs légaux ayant pour but de faciliter la CTF.
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 | 0.006 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.008 |
| Scholarly communication | 0.009 | 0.010 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.026 | 0.015 |
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".