Mieux vaut prévenir que guérir : développement d’une trousse d’outils en santé et sécurité du travail (SST) pour les nouveaux immigrants qui utilisent les services d’établissement en Ontario
Bibliographic record
Abstract
Par rapport aux autres travailleurs, les immigrants fraîchement arrivés en Ontario courent davantage le risque d’occuper des emplois dangereux pour la santé et la sécurité au travail (SST), d’être victimes d’accidents de travail et de ne recevoir aucune d’indemnisation après une blessure. En dépit de ces statistiques, les renseignements fournis aux nouveaux arrivants demeurent souvent informels et fragmentaires. Dans cet article, nous étudions la développement d’un outil pour diffuser l’information sur la SST et l’indemnisation des accidents de travail aux nouveaux arrivants ayant recours aux services d’établissement. S’il est vrai que les employeurs et les organismes de réglementation ont une part de responsabilité dans la SST, les nouveaux arrivants doivent disposer des ressources pour se protéger de risques en milieu de travail, savoir quoi faire en cas d’accident ou de blessure et comment accéder aux divers services et soutiens. En nous appuyant sur les recherches antérieures, nous avons effectué une recension nationale des ressources en sécurité destinées aux nouveaux arrivants qui se joignent à la population active canadienne. Ensuite, en collaboration avec un comité consultatif, nous avons mis au point une trousse d’information sur les principaux éléments de SST et du système d’indemnisation des travailleurs en Ontario. Une fois la trousse terminée, des conseillers et de nouveaux immigrants-apprenants venant d’un grand organisme d’établissement de Toronto ont formé des groupes de discussions et fourni leurs impressions communiqué leurs observations sur les outils de la trousse.Nous étudierons décrivons le processus d’élaboration de la trousse et la rétroaction des groupes de discussions. Tous les participants aux groupes de discussion étaient d’accord pour affirmer que l’information de la trousse importait en vue de préparer les nouveaux arrivants à se joindre à la population active : plusieurs ont cependant souligné que l’information devrait se conjuguer à un effort des efforts pour renseigner également les employeurs et les inciter à se conformer aux règlements. Les conseillers en établissement, quant à eux, ont fait valoir que le manque de temps et de connaissances sur la SST et l’indemnisation des travailleurs faisait obstacle à la diffusion de l’information. Les groupes ont tous deux convenu que la trousse devrait également contenir un volet sur les problèmes de santé mentale au travail et être conçue pour intégrer des discussions en classe, des exercices et des questions. Les conseillers en établissement souhaitaient des recommandations sur la façon d’aborder les questions et les problèmes épineux soulevés par que soulèveraient les divers sujets abordés. La trousse pourrait améliorer les services offerts aux nouveaux arrivants et aider ces derniers à accroître leurs connaissances en matière de la santé et la santé et de la sécurité du travail avant qu’un problème ou qu’un accident ne survienne. CesLes connaissances acquises pourraient permettre de réduire le risque d’accidents ou de blessures et favoriseraient ainsi des retombées positives sur pour la santé, l’économie et la société. Nous concluons l’article par l’examen d’activités de diffusion possibles et de recommandations de pistes à poursuivre dans le domaine.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.007 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".