MétaCan
Menu
Back to cohort
Record W3036421311 · doi:10.1177/1024258920926445

L’expérimentation institutionnelle au travail, pour le meilleur (ou pour le pire)

2020· article· fr· W3036421311 on OpenAlexaff
Isabelle Ferreras, I. R. MACDONALD, Gregor Murray, Valeria Pulignano

Bibliographic record

VenueTransfer European Review of Labour and Research · 2020
Typearticle
Languagefr
FieldSocial Sciences
TopicSocial Sciences and Governance
Canadian institutionsUniversité de Montréal
Fundersnot available
KeywordsPolitical scienceHumanitiesPhilosophy

Abstract

fetched live from OpenAlex

Dans différents contextes nationaux, institutionnels et organisationnels, et dans un contexte d’incertitude, diverses formes d’organisation de travailleurs, anciennes et nouvelles, mènent des expérimentations en réponse aux lignes de fracture majeures des changements auxquelles elles sont confrontées. L’introduction de ce numéro spécial se concentre sur ces processus: la disruption des formes traditionnelles de régulation du travail et de l’emploi; comment différents acteurs sont engagés dans l’expérimentation sur la gouvernance du travail et de l’emploi; comment ces acteurs formulent des revendications à l’égard de l’État; comment ces processus peuvent conduire à un meilleur ou à un “pire” travail; et enfin, comment de solides capacités et des configurations particulières de ressources de la part de ceux qui sont engagés dans l’expérimentation peuvent contribuer à de nouvelles formes de régulation du travail et même à un meilleur travail. Les thèmes clés comprennent le rôle moteur et la résilience des acteurs et leur développement de nouvelles capacités collectives, l’importance de la délibération et de la démocratie, la nature stratégique et réflexive de leur expérimentation, l’extension de l’expérimentation dans de nouvelles formes d’institutionnalisation intégrant des valeurs fondamentales telles que l’égalité, la solidarité et la démocratie, ainsi que de nouveaux modèles d’agrégation de la recherche nécessitant un dialogue permanent entre acteurs et chercheurs.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.005
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Not applicable · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: none
Teacher disagreement score0.863
Threshold uncertainty score0.948

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0050.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0010.002
Scholarly communication0.0000.000
Open science0.0010.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.000

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.

Opus teacher head0.106
GPT teacher head0.382
Teacher spread0.276 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designNot applicable
Domainnot available
GenreEmpirical

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".

Quick stats

Citations5
Published2020
Admission routes1
Has abstractyes

Explore more

Same venueTransfer European Review of Labour and ResearchSame topicSocial Sciences and GovernanceFrench-language works237,207