L’insolite « monde d’après » de la restauration. Une comparaison France-Italie-Québec
Bibliographic record
Abstract
Le secteur de la restauration a été grandement affecté par la crise sanitaire et continue d’avoir des difficultés à attirer et retenir sa main-d’oeuvre. Basé sur une recherche comparative entre la France, l‘Italie et le Québec, cet article vise à montrer comment la normativité ordinaire qui prévaut dans ce secteur a été malmenée par la crise sanitaire dont les conséquences continuent, encore aujourd’hui, de se faire sentir. Dans les trois contextes, la restauration repose en grande partie sur ce que nous appelons des « régimes de mobilisation flexible » de jeunesses qui, si elles expérimentent un accès à l’autonomie selon des modalités différenciées, ont en commun de consentir aux conditions de travail et d’emplois du secteur dans le cadre de rapports sociaux entre générations reproduits au coeur même du travail. La crise sanitaire et la gestion gouvernementale qui en a résulté ont toutefois contribué à déséquilibrer les modes de fonctionnement du secteur. Le soutien apporté aux entreprises et aux salarié.es s’inscrit dans un référentiel normatif qui a fait ressortir le caractère atypique du système salarial de la restauration et a contribué à déstabiliser les régimes de mobilisation flexible qui tendent à prévaloir dans le secteur.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 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".