Les déterminants de la présence du programme d'aide aux employés dans les entreprises du secteur privé au Canada
Bibliographic record
Abstract
L’objectif de la présente étude vise à déterminer les caractéristiques des entreprises et de leur main-d’œuvre qui adoptent un PAE. Cette pratique serait en effet distribuée inégalement entre les différentes entreprises du secteur privé au Canada. Les facteurs identifiés dans la littérature en lien avec la présence du PAE sont regroupés sous les caractéristiques de la main-d’œuvre, les caractéristiques organisationnelles ou les caractéristiques du marché du travail, de manière à faire ressortir leur valeur respective pour voir celle qui a le plus d’influence sur la présence du PAE. Pour chacun des facteurs, une hypothèse ou une proposition de recherche est formulée. \n\nPour vérifier les hypothèses et les propositions de recherche, nous avons utilisé des données secondaires issues de l’Enquête sur le milieu de travail et les employés (EMTE), réalisée en 2005 par Statistique Canada. Nous avons principalement eu recours à la base de données des employeurs, mais à défaut d’y avoir toutes les variables importantes, celle des employés a aussi été utilisée en agrégeant les données à la moyenne échantillonnale par entreprise, et en les imputant à la composante des employeurs. Notre échantillon final se compose de 5630 établissements du secteur privé au Canada. \n\nLes résultats nous ont appris que les caractéristiques organisationnelles sont de meilleurs déterminants de la présence du PAE que les caractéristiques de la main-d’œuvre. Les PAE sont répartis de façon inégale entre les différentes entreprises au Canada. En effet, les entreprises qui adoptent un PAE ont souvent moins d’immigrants. Elles ont aussi plus de probabilité d’avoir une grande proportion d’employés ayant complété des études secondaires, et qui travaillent à temps plein. Les PAE sont de plus beaucoup plus présents dans les grandes entreprises qui sont syndiquées, et dont l’organisation du travail est plus flexible. Enfin, ce sont les entreprises du secteur primaire qui adoptent le plus de PAE. Les PAE ne couvrent alors qu’un secteur limité et privilégié de la main-d’œuvre puisque certains groupes, tels que les immigrants, y ont moins accès. Ainsi, les PAE bénéficient aux employés les plus avantagés financièrement, indiquant que ce sont surtout les plus « riches » qui accèdent aux meilleurs services de santé mentale et sociale. \nMots clés : \nProgrammes d’aide aux employés\nCaractéristiques de la main-d’œuvre\nCaractéristiques organisationnelles
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 | 0.001 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.004 | 0.002 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 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".