Attitudes et comportements des employeurs à l'égard de la main-d'oeuvre autochtone dans le secteur minier
Bibliographic record
Abstract
Dans plusieurs pays industrialisés, de nombreux secteurs d’activités sont touchés par une rareté de main-d’oeuvre et l’industrie minière n’est pas épargnée. Les communautés autochtones constituent une population jeune, en croissance et désireuse de participer au développement minier. Or, la participation de cette main-d’oeuvre présente de nombreux défis. Les objectifs de cette recherche étaient d’étudier les attitudes et comportements des employeurs à l’égard de la main-d’oeuvre autochtone et d’identifier les mesures mises en place pour favoriser le recrutement, l’intégration et la rétention des employés autochtones. Nous avons réalisé des entrevues semi-dirigées avec 25 employeurs miniers, lesquels représen¬taient 17 projets situés au Québec et au Nunavut. Huit de ces projets étaient liés par des ententes aux communautés au¬tochtones avoisinantes, soit par leur localisation en territoires conventionnés, soit par des ententes sur les répercussions et les avantages (ERA). Les résultats montrent que, si le contexte légal ne l’impose pas, les compagnies minières font peu d’efforts pour inclure les Autochtones au sein de leur main-d’oeuvre (projets signataires d’ententes = 23% d’employés autochtones, projets non-signataires = < 1%). L’élaboration et la mise en oeuvre de programmes de liaison, de mentorat, de progression interne ainsi que l’organisation d’activités et l’éta¬blissement d’installations qui valorisent la culture autochtone en milieu de travail sont parmi les stratégies qui favorisent une gestion efficace de la diversité culturelle au sein des entre¬prises minières. Considérant la rareté de main-d’oeuvre gran¬dissante dans l’industrie minière, ces résultats présentent des pistes qui pourraient permettre aux entreprises d’être mieux outillées dans leur gestion de la diversité, en plus de favoriser un meilleur accès à l’emploi des communautés autochtones dans ce secteur.
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 | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.000 |
| 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".