Rapport annuel sur l’équité en matière d’emploi 2022-2023
Bibliographic record
Abstract
Conformément aux exigences de la Loi sur l’équité en matière d’emploi, le Conseil national de recherches du Canada (CNRC) présente un rapport annuel sur les progrès accomplis en vue d’établir un effectif représentatif. Ce rapport annuel comprend une analyse de l’effectif pour les groupes désignés de l’équité en matière d’emploi (EE), définis dans la Loi — les femmes, les Autochtones, les personnes handicapées*, et les minorités visibles* — par catégorie professionnelle de l’EE, par région géographique et par échelle salariale, ainsi que selon la proportion des membres de ces groupes dans les embauches, les promotions et les cessations d’emploi. Les données sur l’effectif contenues dans le présent rapport incluent les employés nommés pour une période indéterminée et ceux nommés pour une période déterminée de trois mois ou plus. Le rapport ne renferme aucune donnée sur les étudiants, les employés détachés d’autres employeurs, les employés nommés pour une période de moins de trois mois ou les travailleurs invités. Le rapport décrit aussi les progrès réalisés par le CNRC dans l’exécution de sa stratégie en matière d’équité, de diversité et d’inclusion (EDI) au sein de l’effectif et en milieu de travail, ainsi que les mécanismes mis en place pour consulter les employés sur les questions relatives à l’EE. onformément aux règles de protection de l'information qui provient du processus de déclaration volontaire, les statistiques qui visent 5 personnes ou moins ont été supprimées de ce rapport avec le symbole « ± ». Les données sur la représentativité des femmes ne proviennent pas du processus de déclaration volontaire et ne sont donc pas assujetties aux mêmes restrictions. Remarque : Au CNRC, les données relatives à la représentativité des femmes dans l’effectif sont recueillies à partir des renseignements fournis par les nouveaux employés au moment de leur embauche et peuvent être mises à jour en tout temps par les Ressources humaines. Les données sur la représentativité des autres groupes désignés sont recueillies au moyen d’un formulaire de déclaration volontaire mis à la disposition des employés au moment de leur embauche ainsi que chaque fois qu’ils changent de poste au sein du CNRC. Les employés peuvent mettre à jour leurs renseignements d’auto-identification en tout temps par l’intermédiaire du portail libre-service pour les employés.
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 | 0.009 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.020 | 0.002 |
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".