Regards sur les attitudes et comportements des employeurs à l’égard de la diversité de la main-d’oeuvre autochtone (sondage provincial sur le secteur forestier)
Bibliographic record
Abstract
La rareté de main-d'oeuvre touche plusieurs secteurs d'activités au Québec, l'industrie forestière en fait partie. Par ailleurs, les communautés autochtones souhaitent participer à l'économie de leurs régions et constituent une population jeune, en croissance et à la recherche d'emplois. Ce contexte est opportun pour favoriser l'emploi de travailleurs autochtones dans le secteur forestier. L'objectif de cette recherche est de comprendre les attitudes et les comportements des employeurs à l'égard des travailleurs autochtones. Pour ce faire, nous avons réalisé un sondage auprès des employeurs du domaine forestier au Québec. Au total, 127 répondants ont évalué, entre autres, le niveau de maturité dans lequel se situe leur entreprise pour différents domaines de gestion de la diversité autochtone. Plus précisément, les employeurs devaient positionner leur entreprise sur le long d'un gradient allant de pratiques inexistantes ou minimales, en passant par des pratiques intermédiaires, jusqu'à des pratiques proactives. Pour la majorité des employeurs, la main-d'oeuvre autochtone n'a pas encore été envisagée comme solution à la rareté. De plus, la plupart des entreprises sondées se situent dans les niveaux de maturité inférieurs. La taille de l'entreprise semble avoir un effet sur la maturité, mais ce sont les entreprises autochtones qui semblent avoir les meilleures pratiques de gestion des employées autochtones. Les collaborations et les partenariats influencent aussi positivement la maturité des entreprises en termes de gestion des employés autochtones. De manière générale, les employeurs ont besoin de formation et de soutien pour favoriser l'employabilité autochtone.
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 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".