Bibliographic record
Abstract
La crise sanitaire de la COVID-19 a mis en tension les registres de la reconnaissance au travail en (ré)interrogeant ses différents aspects (symboliques, matériels ou encore réglementaires) et leurs articulations. Cet article propose de mettre en perspective des enjeux relatifs à la continuité de l’activité en temps de pandémie pour une catégorie professionnelle socialement dévalorisée avec le processus de formalisation des situations ouvrant droit à une reconnaissance en maladie professionnelle. Sur la base de plusieurs recherches qualitatives, dont une menée de façon longitudinale, il montre comment ces différents enjeux se sont trouvés cristallisés chez des intervenantes du secteur marchand de l’aide à domicile. Le contexte de pénurie d’équipements de protection rencontré au début de la crise, en particulier des masques, a accentué les problématiques qui se posaient alors sur le plan de l’organisation de la prévention des affections du travail. Parallèlement, le registre martial largement déployé politiquement interrogeait la reconnaissance des « soldats » et les cadres institutionnels par lesquels elle allait être formalisée. Les revendications en ce sens ont différé selon les acteurs considérés, reprenant pour certaines les critiques adressées de longue date au système de reconnaissance des maux du travail.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.009 | 0.018 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| 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".