Bibliographic record
Abstract
RtSUMItLa legislation sur les normes demploi est un outil important de la politique publique pour la promotion de la s~curit6 6conomique des acteurs oeuvrant sur le march6 du travail qui sont d~favoris~s et vuln~rables en raison de l'in~galit6 inh~rente A laquelle doit faire face le travailleur non repr~sent6 dans les rapports entre employs et employeur.En prenant comme guide la promesse du Parti progressiste-conservateur de l'Ontario, faite pendant leur campagne aux 6lections provinciales de 1999, de o mo-Loi sur les normes d'emploi de l'Ontario pour la rendre plus < flexible o et adapt~e au march6 du travail contemporain, ainsi que les amendements lgislatifs & la Loi de l'Ontario introduits pendant la p~riode allant de d6cembre 2000 A septembre 2001, le nouveau gouvernement liberal de la C.-B., 6lu en 2001, promulgua des changements radicaux de nature tout aussi v flexible >> la Loi sur les normes d'emploi de la C.-B. au cours des quatre ann6es qui ont suivi.Ces changements furent partiellement justifi6s par la n6cessit6 de donner une plus grande protection aux travailleurs vuln6rables.Cet article fournit une 6valuation pr61iminaire des r6percussions sur les travailleurs vuln6rables de 42 changements A la Loi en C.-B., de 40 changements au Rfglement, et de changements importants aux pratiques en matire d'application et des procedures administratives de la Direction des normes d'emploi de la C.-B. Aprbs un examen de quelques uns des changements les plus importants, dont certains comportant des r6ductions sans pr6c6dent dans la protection des travailleurs, cet article conclut que les r6percussions sur les travailleurs vuln6rables seront extr~mement n6gatives.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.009 | 0.003 |
| Scholarly communication | 0.005 | 0.001 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 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".