L’utilisation des médias sociaux pour la dotation du personnel : enjeux juridiques
Bibliographic record
Abstract
Une pratique de recrutement et de sélection devenue usitée, soit la consultation des profils individuels publiés sur les médias sociaux, suscite des questions quant à sa légitimité, particulièrement en ce qui a trait aux critères à respecter pour qu’elle soit conforme aux exigences légales. C’est pourquoi nous avons examiné trois enjeux juridiques s’y rapportant : le respect de la vie privée des utilisateurs de médias sociaux; l’obtention, lorsqu’il est requis, de leur consentement pour consulter leur profil; et le respect du droit à l’égalité en emploi. L’exploration de la doctrine et de la jurisprudence québécoises a inspiré les conclusions suivantes. La consultation des médias sociaux pour recruter et sélectionner est interprétée différemment selon les contextes; ainsi, il n’y a pas de réponse univoque à la question sur l’atteinte à la vie privée car celle-ci dépend de l’expectative de vie privée, variable selon les attentes de chaque utilisateur et les circonstances. Une certitude : la consultation des profils n’est justifiée que par la recherche de renseignements non discriminatoires permettant d’étayer la capacité des candidats d’occuper l’emploi postulé. Toutefois, il est difficile de prouver qu’un motif interdit de discrimination tiré du profil paru sur les médias sociaux explique le rejet d’une candidature.
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 | 0.011 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.017 | 0.025 |
| Scholarly communication | 0.018 | 0.013 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.005 | 0.008 |
| Insufficient payload (model declined to judge) | 0.018 | 0.003 |
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".