Une qualité d’emploi mitigée : qu’est-ce qui motive les aides à domicile?
Bibliographic record
Abstract
La qualité de l’emploi dans le secteur de l’aide à domicile pose un certain nombre de questionnements. Dans ce secteur les emplois sont d’une part pourvus avec difficulté et d’autre part marqués par des conditions de travail peu attractives, le secteur souffrant globalement d’une image plutôt négative. Cet article se propose à travers une étude qualitative de repérer d’abord ce qui peut différencier la satisfaction des salariés en matière de qualité de l’emploi ; ensuite les facteurs motivant leur travail, dans un environnement qui n’est pas toujours favorable. Les résultats obtenus montrent que la perception de la qualité de l’emploi n’est pas homogène, mais produit des représentations plutôt convergentes, révélant des orientations problématiques en matière de gestion des ressources humaines. Une diversité de facteurs apparait en effet, motivant les aides à domicile dans leur travail parmi lesquels on retrouve le « contact humain », les « relations avec les personnes » dont elles s’occupent, et toute une série d’éléments relationnels qui relèvent du « care ». Ceci permet d’envisager des politiques publiques améliorant à la fois la qualité de l’emploi et du service.
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 | 0.003 | 0.007 |
| 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 | 0.004 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".