Qualité de l’emploi et défi de l’articulation travail-études chez les jeunes étudiants québécois : une question de précarité ?
Bibliographic record
Abstract
Au cours des dernières années, le portrait de la précarité en emploi s’est modifié (Ulysse, 2014). Il touche davantage certaines catégories de populations telles que les femmes et les jeunes. C’est à ces derniers, et en particulier aux jeunes étudiants, que nous nous intéresserons ici, surtout du point de vue de leurs conditions de travail et de leurs horaires, deux éléments clés de la qualité de l’emploi et du travail. Rappelons que la qualité de l’emploi renvoie davantage aux caractéristiques de l’emploi (stabilité, durée du travail, etc.), alors que la qualité du travail renvoie aux conditions d’exercice du travail dans un milieu de travail donné. Si l’insertion en emploi représente un moment clé dans la carrière et la vie des jeunes, notre recherche montre que les questions de la qualité de l’emploi et du travail ainsi que des conditions de travail sont des facteurs déterminants quant à l’expérience du travail des étudiants et à leur carrière future. À partir d’une approche qualitative, nous montrons que l'articulation des temps sociaux est un processus dynamique influencé par plusieurs variables, individuelles, familiales et structurelles (conditions et qualité du travail et de l'emploi). La conciliation travail-études est étroitement reliée aux parcours de vie et de carrière. La difficulté à articuler les différents temps de la vie peut mener à une accumulation de désavantages qui ont des conséquences sur les études, le travail, ou dans les autres sphères de la vie, et ce à différents moments. Nous observons certains enjeux centraux du travail des jeunes, éléments qui sont associés au concept de qualité du travail et de l’emploi: espace d’autonomie et épanouissement au travail, relations professionnelles, instabilité d’emploi, temps partiel, choix et aménagement des horaires, santé et sécurité au travail, etc. Par l’observation de ces éléments, nous pouvons mieux comprendre pourquoi et comment la qualité du travail et de l'emploi des jeunes étudiants peut être mise à risque.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.010 | 0.007 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| 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".