Les transformations numériques et l’ordre négocié des techniciens des services automobiles au Québec
Bibliographic record
Abstract
Le discours sur l’impact des changements numériques suit souvent une logique déterministe selon laquelle les transformations induites par ces bouleversements auraient des effets unidirectionnels et déstabiliseraient la nature du travail et des métiers, ainsi que leurs institutions régulatrices. Prendre pour point de départ le fait que cette régulation s’incarne dans un ordre négocié nous amène à analyser ces changements comme étant dépendants des compromis institutionnalisés et du pouvoir des acteurs sociaux qui forment cet ordre. Cet article propose d’analyser ces renégociations à travers une étude de cas sectorielle, l’industrie des services automobiles au Québec et, plus particulièrement, des techniciens qui assurent l’entretien et la réparation des véhicules. Cette industrie est sujette à de multiples pressions provenant des changements technologiques : sur la nature du métier et l’exécution du travail, sur la formation et la production de compétences ainsi que sur les conditions de travail. Notre étude démontre comment ces changements doivent être analysés sous le prisme des tensions au sein de la relation d’emploi, en fonction de l’héritage institutionnel et selon les relations de pouvoir entre les acteurs de ce secteur. Les règles qui émergent de cet ordre (re)négocié étant sujettes à diverses formes d’expérimentations, les contours des compromis institutionnalisés font l’objet d’une transition plutôt que d’une rupture radicale.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 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".