L’accès à l’accompagnement et à la représentation par les personnes accidentées ou malades du travail : une analyse sous le prisme des coûts de la justice
Bibliographic record
Abstract
Au Québec, les personnes ayant subi un accident du travail ou souffrant d’une maladie professionnelle au sens de la Loi sur les accidents du travail et les maladies professionnelles sont susceptibles de cheminer dans un processus de contestation devant le Tribunal administratif du travail. Le présent article fait état de résultats de recherche mettant en lumière les défis en matière d’accès à l’accompagnement et à la représentation auxquels les personnes non syndiquées peuvent faire face, que celles-ci soient admissibles à l’aide juridique ou non. Si le Québec se démarque du reste du Canada relativement à l’accès à la représentation des personnes salariées non syndiquées en matière de normes du travail, force est de constater qu’il fait piètre figure quant au soutien et à l’assistance fournie aux personnes accidentées ou malades du travail. En effet, ces dernières font face à des écueils importants en matière d’accès à la représentation et à l’accompagnement. Pourtant, le fait d’être représenté ou accompagné semble avoir des avantages indéniables pour les personnes accidentées ou malades du travail cheminant dans ce processus judiciarisé.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.008 | 0.004 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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".