Bibliographic record
Abstract
Les licenciements économiques (pertes involontaires d'emploi résultant d’une fermeture d'entreprise ou d’une réduction d’effectifs) affectent de nombreux travailleurs au cours de leur vie active. Les travailleurs licenciés peuvent faire face à de longues périodes de chômage et, même lorsqu’ils retrouvent un nouvel emploi, ont tendance à être moins bien rémunérés que dans leur emploi précédent. L’un des objectifs clés de la politique du marché du travail devrait être de les aider à retrouver rapidement un emploi de qualité. Ce rapport examine la manière dont ce défi est relevé au Canada. Alors que le gouvernement canadien recourt à plusieurs mesures visant à limiter les licenciements non justifiés, l'accent est mis sur l’accompagnement des travailleurs après la perte de leur emploi à travers le système de l’Assurance-emploi et les principaux programmes du marché du travail mis en œuvre par les provinces. Une aide au retour à l'emploi répondant aux besoins spécifiques des travailleurs licenciés joue également un rôle utile, mais elle doit être renforcée de manière à entamer le processus d'ajustement plus tôt pour les travailleurs recevant un préavis de licenciement ou bénéficiant d’une importante indemnité de licenciement, et ceux concernés par des licenciements à petite échelle. Les programmes ciblés pour les travailleurs licenciés âgés ayant une longue ancienneté qui sont les plus durement touchés par les licenciements économiques doivent encore atteindre une large part de ce groupe.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.010 | 0.002 |
| Scholarly communication | 0.006 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.105 | 0.011 |
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".