Le Programme des travailleurs étrangers temporaires au Québec. Les leçons du secteur agricole pour l’industrie de la construction
Bibliographic record
Abstract
Au cours des dernières années, le Québec a connu une augmentation significative du recours au Programme des travailleurs étrangers temporaires (PTÉT), accompagnée d’une diversification accrue des secteurs d’emploi qui en bénéficient. Dans cet article, j’examine l’intégration récente du PTÉT dans l’industrie de la construction et la compare à son utilisation plus ancienne et bien établie dans le secteur agricole. Cette analyse vise à comprendre comment l’expérience accumulée dans le domaine agricole depuis les années 1990 peut éclairer les enjeux liés à la mise en œuvre du programme dans le secteur de la construction. Je m’intéresse particulièrement aux facteurs ayant favorisé l’embauche de la main-d’œuvre migrante temporaire, au-delà du discours dominant sur la « pénurie de main-d’œuvre ». Je mets en évidence le fait que le PTÉT a permis de fournir une main-d’œuvre vulnérable, davantage exposée à des formes d’abus qui ne sont pas toujours sanctionnées de façon adéquate, en recréant des conditions de travail similaires à celles recherchées dans le cadre des délocalisations à l’étranger. Enfin, j’explore la question de la défense des droits de la main-d’œuvre migrante temporaire dans ces deux industries, en examinant les défis auxquels sont confrontées les associations syndicales.
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 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 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".