Conciliation emploi-famille : des enjeux et des options dans des territoires différents
Bibliographic record
Abstract
Si plusieurs champs professionnels et secteurs d’activité ont fait l’objet de travaux sur la conciliation entre vie professionnelle et vie familiale-personnelle, les territoires et régions ont moins fait l’objet d’études. Pourtant, le territoire et ses occupants constituent des acteurs pouvant influer sur cette conciliation, le marché du travail étant différencié selon les régions. Nous avons voulu vérifier dans quelle mesure il pouvait exister une culture organisationnelle territoriale qui se traduirait par des différences régionales sur le plan de l’articulation vie professionnelle-personnelle-familiale. Nous nous penchons ici sur les différences concernant la mise en place de mesures de conciliation, sur la perception des obstacles associés, sur les effets positifs et négatifs perçus ainsi que sur les facteurs pouvant influer sur leur application. Nous avons comparé trois grandes régions au Québec, soit la région métropolitaine (RM) de Montréal, la RM de Québec et les régions périphériques (regroupant le reste du Québec, des villes de taille petite et moyenne). Nous avions posé comme hypothèse que la situation serait semblable dans les deux régions métropolitaines, mais nous avons pu constater que, sous plusieurs angles, la RM de Montréal se distinguait, sans que cela soit systématique. Nous observons notamment que l’information et l’expertise varient d’une région à l’autre, de même que les pratiques des autres entreprises.
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 | 0.001 | 0.001 |
| Science and technology studies | 0.009 | 0.006 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".