Bibliographic record
Abstract
Cet article présente un portrait du phénomène de débordement du travail sur le temps personnel (c’est-à-dire le travail exécuté en dehors des lieux et des horaires de travail habituels) à partir d’une enquête quantitative menée par un syndicat français auprès de plus de mille cadres (des gestionnaires et des professionnels au sens nord-américain). Les données permettent de cerner l’étendue du phénomène, ainsi que certains de ses déterminants. Notre modèle de recherche repose sur les trois hypothèses suivantes : Les résultats indiquent que plus de la moitié des participants travaillent à la maison quelques heures par semaines alors que plus du tiers le font de façon régulière. Contrairement à nos hypothèses, l’âge est positivement associé au débordement du travail alors que le sexe ne l’est pas. Des analyses de régression indiquent aussi que la charge de travail, les déplacements professionnels fréquents, ainsi que la multiplication des technologies de l’information et de la communication tendent à augmenter la fréquence du débordement du travail sur le temps personnel. Ces résultats illustrent les recompositions des temps de travail associés aux modèles de productions postfordistes qui induisent, notamment, une plus grande porosité entre les temps personnels et professionnels.
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 | 0.002 | 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 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".