Covid 19 : Quels effets sur le travail et l’emploi ?
Bibliographic record
Abstract
La pandémie de COVID 19 a eu un effet très fort et négatif dans plusieurs secteurs de la \nsociété et de l’économie au Québec, au Canada et ailleurs dans le monde. \nComme nous allons le montrer dans cette introduction, ainsi que dans chacun des \narticles de ce numéro, la pandémie semble avoir exacerbé des inégalités déjà présentes \nsur le marché du travail et de l’emploi. Elle a en fait agi comme accélérateur de certains \nprocessus structurels déjà en cours et mis en évidence les incongruités et problèmes \nassociés aux transformations socioéconomiques en cours depuis trente ou quarante \nans, comme la mondialisation et le modèle de développement tel qu’il a été jusqu’à \nmaintenant pensé et mis en place. En raison de sa force de frappe et de son impact \nglobal (nonobstant les différences nationales et territoriales), cette crise met donc en \névidence les transformations au sein des principales sphères sociétales (État, marché, \nfamille/communauté) et à l’intersection de celles-ci. Elle influe également sur les \nchaînes de production, dont elle a mis en évidence les fragilités et les ruptures. \n[...]
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.037 | 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".