COVID-19 et télétravail : un remède universel ou une solution ponctuelle
Bibliographic record
Abstract
Dans le contexte de la pandémie de COVID-19, la pratique du télétravail s'est répandue partout sur la planète. Cette étude internationale sur le télétravail en contexte de pandémie, dirigée par Tania Saba, professeure titulaire à l'École de relations industrielles, Université de Montréal et Titulaire de la Chaire BMO en diversité et gouvernance, a permis d’évaluer la pratique du télétravail, ses bénéfices et inconvénients ainsi que le niveau d’adaptation des travailleurs canadiens au travail à domicile, et ce, selon plusieurs caractéristiques et en comparaison avec leurs pairs en France, en Australie et aux États-Unis. Cette étude révèle qu’au Québec l’adoption du télétravail ainsi que l’adaptation à ce nouveau mode de vie sont positivement influencées par la pratique et avec le temps. Cette étude a été réalisée par la Chaire BMO - Diversité et gouvernance avec le soutien de l’Observatoire international sur les impacts sociétaux de l’IA et du numérique (OBVIA) dans le cadre des travaux sur les effets des systèmes d’intelligence artificielle et des outils numériques déployés pour lutter contre la propagation de la COVID-19 sur les sociétés soutenues par les Fonds de recherche du Québec (FRQ).
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 | 0.010 | 0.012 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.006 | 0.011 |
| Scholarly communication | 0.022 | 0.017 |
| Open science | 0.004 | 0.012 |
| Research integrity | 0.008 | 0.012 |
| Insufficient payload (model declined to judge) | 0.028 | 0.004 |
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".