Immersion professionnelle et intégration en emploi des immigrants : l’exemple du PRIIME (Programme d’aide à l’intégration des immigrants et des minorités visibles en emploi)
Bibliographic record
Abstract
Les immigrants qualifiés rencontrent plusieurs obstacles sur le marché du travail au Québec. Parmi les plus importants, selon les employeurs, on note leur manque d’expérience québécoise. Le Programme d’aide à l’intégration des immigrants et minorités visibles en emploi (PRIIME), géré par Emploi-Québec, veut combler cette lacune en offrant aux immigrants une expérience québécoise dans leur domaine de qualification. Cette recherche a donc pour but d’examiner dans quelle mesure un programme d’immersion professionnelle tel que le PRIIME permet une meilleure intégration des immigrants qualifiés dans leur domaine et de voir si celle-ci se poursuit à la suite du programme. L’approche qualitative permet de mieux comprendre les différents points de vue : employeurs, immigrants et intervenants au PRIIME. On observe que la participation des immigrants au PRIIME permet de réduire leur degré de déqualification en emploi, mais pas complètement. Ainsi elle permet souvent de retrouver un emploi lié au domaine de formation, mais en dessous du niveau de qualifications des immigrants. Le PRIIME rend également possible un maintien en emploi, sauf que l’effet n’est observé qu’à court terme. De plus, la participation au programme ne suffit pas pour que l’immigrant soit en mesure de contrer les obstacles à l’intégration professionnelle, car les quatre volets principaux du PRIIME sont très rarement appliqués ensemble dans une entreprise. Finalement, dans la perspective des marchés transitionnels de travail, la participation au PRIIME représente une « transition critique » offrant aux immigrants une meilleure intégration professionnelle à long terme. En somme, nous concluons que le PRIIME réduit uniquement le degré de déqualification des immigrants en les rapprochant de leur domaine de formation. Toutefois, il ne tient pas compte du niveau d’éducation de la personne. Même avec le PRIIME, plusieurs immigrants se voient forcés de recommencer leur carrière.
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 | 0.005 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.008 | 0.006 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".