Bibliographic record
Abstract
La pandémie, débutée en 2020, nous a fortement interrogés sur nos manières de travailler et de vivre nos multiples activités. De nombreux gouvernements ont pris des mesures fortes de confinement et d'imposition du télétravail, lesquelles ont été relayées par les entreprises et les administrations publiques. Cette dynamique collective souligne une innovation majeure et de grande ampleur : le développement du travail à distance (à distance du lieu de travail habituel et des collègues) à l'aide des outils du numérique. Avec la covid-19, des millions de personnes ont basculé en télétravail en l'espace de quelques semaines : nous parlons, en avril 2020, de 40 % de la population active en France et au Canada, puis de 32 % de celle-ci en 2021. Situation inédite, instaurée par le confinement, le télétravail a depuis perduré, insufflant à nos modes d'organisation du travail une profonde transformation, caractérisée par de fortes disparités et des situations contrastées. Analyser ces changements au prisme des inégalités a confirmé que la possibilité de télétravailler ne concernait pas tous les emplois de la même manière, ni ne se déployait de façon identique pour toutes et tous, mais dépendait notamment du secteur d'activité, du type d'emploi, de l'employeur, du lieu d'habitation, du sexe ou encore de l'âge (cycle de vie et génération). [...]
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 | 0.003 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.029 | 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".