Vieillir au travail en contexte d’innovation : au-delà de la stigmatisation pour des pistes d’intégration
Bibliographic record
Abstract
Le phénomène du vieillissement de la population active continue de prendre de l’importance. Les croyances à l’encontre des travailleuses et travailleurs âgés (par exemple leur difficulté à s’adapter aux nouvelles méthodes de travail) sont encore profondément ancrées socialement. Les préjugés envers cette population donnent lieu à diverses situations de marginalisation et d’exclusion, dont des difficultés à trouver un emploi à partir d’un certain âge et un manque d’accès à la formation continue. Or, peu de données probantes portent sur la perception réelle qu’ont les travailleuses et travailleurs âgés concernant l’innovation au travail et leur capacité d’adaptation à cette dernière. Une étude, basée sur une méthodologie qualitative et visant à dresser le portrait du rapport subjectif entretenu entre une main-d’oeuvre vieillissante et l’innovation au travail, sera présentée dans cet article. L’analyse des résultats permet d’aborder des leviers d’action pouvant être considérés par une organisation soucieuse de prendre en compte le vieillissement de la main-d’oeuvre en contexte innovant.
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 | 0.018 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.016 | 0.038 |
| Scholarly communication | 0.018 | 0.014 |
| Open science | 0.002 | 0.012 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.006 | 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".