Violences sexuelles au travail : prévenir, réparer et… transformer les milieux de travail ? État des lieux au Québec
Bibliographic record
Abstract
Au Québec, le droit régissant les violences à caractère sexuel dans le cadre du travail est fortement morcelé. De telles violences constituent une atteinte au droit à l’égalité des femmes et des personnes issues de la diversité sexuelle et de genre. En même temps, elles sont susceptibles de causer une atteinte à la santé et à la sécurité des travailleuses et travailleurs, ainsi que de constituer une violation de leur droit à un milieu de travail exempt de harcèlement psychologique. Pour donner suite aux constats d’un Comité d’expertes chargé d’analyser les recours en matière de harcèlement sexuel et d’agressions sexuelles au travail, en 2024, l’adoption de la Loi visant à prévenir et à combattre le harcèlement psychologique et la violence à caractère sexuel visait à améliorer le régime de prévention ainsi que la cohérence et l’efficacité des recours pour les personnes victimes. Même si cette réforme renforce à certains égards la superposition de régimes distincts, par sa perspective conjuguée de transformation structurelle et de réparation pour les personnes victimes, elle représente une avancée significative dans la lutte contre les violences à caractère sexuel dans le cadre du travail.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.007 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 0.000 |
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".