Articulation emploi-famille : les sources de difficultés et les perspectives de solution dans les secteurs de l’éducation, de la santé et des services sociaux
Bibliographic record
Abstract
L’articulation emploi-famille est un problème de plus en plus important dans la plupart des pays industrialisés. Nombre de pays commencent à s’y intéresser plus sérieusement en raison des difficultés d’attraction et de rétention de main-d’oeuvre observées dans certains secteurs clés, dont la santé et l’éducation primaire et secondaire. C’est pour cette raison que nous avons voulu mener une recherche sur la conciliation auprès de parents travailleurs dans ces secteurs précis, parce que les difficultés de recrutement et de rétention qu’on y observe sont caractéristiques non seulement du Québec, mais de la plupart des pays industrialisés. La recherche a permis d’identifier les principales sources de difficultés sur lesquelles il est possible d’agir, soit la durée du travail, la variabilité des horaires et le soutien du supérieur. L’âge des enfants a également une influence, l’avancée en âge se traduisant par une baisse des difficultés. Or, si l’on ne peut agir sur cette variable comme telle, les enfants grandissant au même rythme, les organisations devraient tenir compte de l’âge des enfants de leurs employés et offrir des mesures diversifiées, s’adaptant aux diverses étapes de la vie des enfants et des parents.
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 | 0.007 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.015 | 0.013 |
| Scholarly communication | 0.011 | 0.006 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 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".