MétaCan
Menu
Back to cohort
Record W7024159583

Protection of mining sector workers in Côte d'Ivoire : international and comparative outlook

2023· article· fr· W7024159583 on OpenAlexaboutno aff

Bibliographic record

Venuetheses.fr (ABES) · 2023
Typearticle
Languagefr
FieldEngineering
TopicMining and Resource Management
Canadian institutionsnot available
Fundersnot available
KeywordsConventionCollective agreementTreatyContext (archaeology)
DOInot available

Abstract

fetched live from OpenAlex

En Côte d’Ivoire, le secteur des mines est en plein essor. Il est le deuxième pilier de l’économie ivoirienne. Ce secteur est à la fois sources de richesse et facteurs de risques. Ces risques sont sociétaux, environnements et professionnels. Les travailleurs sont les premières victimes des mines. Le droit du travail n’a pas évolué pour s'adapter aux dangers liés à l'exercice de l'activité minière. La convention collective minière datant de 2023 est encore rudimentaire pour être efficace. Les explications sont à doubles volets. D’une part, l’activité minière s'exerce en proportion importante de manière informelle, sous forme de l’orpaillage clandestin. L’inadaptation du droit du travail à l’orpaillage illégal est à la base de nombreux accidents du travail et maladies professionnelles. D’autre part, le besoin de vigilance des entreprises multinationales minières s'impose pour garantir les droits fondamentaux des travailleurs. Au-delà de leurs influences sur le territoire ivoirien, la responsabilisation des multinationales est difficile en matière de droit du travail. L’insuffisance du droit du travail à protéger les droits des travailleurs invite à dépasser le seul référentiel au droit interne pour embrasser d’autres droits, par la comparaison. Pour se faire, le droit du travail français et le droit du travail québécois s'imposent dans ce contexte comme des modèles d’adaptation du droit du travail. Ces droits traitent de manière spécifique la protection des travailleurs dans les mines.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesnone
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.139
Threshold uncertainty score0.763

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.065
GPT teacher head0.261
Teacher spread0.195 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

The models applied no category: nothing in the taxonomy fit this work.
Study designSimulation or modeling
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2023
Admission routes1
Has abstractyes

Explore more

Same venuetheses.fr (ABES)Same topicMining and Resource ManagementFrench-language works237,207