Nouvelles carrières nomades et défis du marché du travail; une étude dans le secteur du multimédia
Bibliographic record
Abstract
Diane-Gabrielle Tremblay est professeure et directrice de la recherche à la Télé-université. Elle est également cotilulaire de la Chaire Bell-Téluq-Enap en technologies et organisation du travail. Elle a publié dans nombre de revues prestigieuses : Revue de gestion des ressources humaines, Economies et sociétés, Technologies de l'information et société, Gestion, Labour and Management in Development, Géographie, économie et société, etc. Elle mène des recherches sur le télétravail, les communautés virtuelles de pratique, le travail en équipe et les nouvelles formes d'organisation du travail en général, ainsi que sur l'articulation emploifamille, et sur les réseaux d'entreprises et l'innovation.abstract Over the last few decades, many other countries have found themselves in a context characterized by increasing globalization of production and exchange of goods, services and capital, as well as by the spread of the knowledge-based economy The Knowledge Economy implies a redefinition of the economic sectors and a far-reaching transformation of the labour market, particularly in terms of job mobility and career development.Careers are increasingly fragmented, with people having to move through a number of projects, jobs and firms during their lifetime.This constitutes a considerable challenge for careers and learning, since learning used to be provided by the firm within internal labour markets.Now, especially in sectors such as multimedia, characterized by extreme mobility between firms, but also by a need for permanent learning, the challenge for individual careers and for firms to capture the strategic advantages presents itself in a new perspective.In our view, these new careers, described by some as "nomadic" , are an important dimension of the New Knowledge Economy.Over the last 2 years, we have conducted a research focusing on people working in the multimedia industry (in particular in the Cité du Multimédia in Montreal.Our paper will describe the new visions of networks and careers that were presented to us by workers in the multimedia sector, but also by their employers, who must preoccupy themselves with the preservation of the competitive advantage of their firm, by trying to harness the knowledge of workers in a context of nomadic careers.We conducted interviews with some 60 workers in 18 firms and with a dozen employers or head of firms. RésuméAu cours des dernières décennies nombre de pays se sont trouvés dans ce que nous appelons l'économie de la connaissance ou du savoir.Ceci implique une redéfinition des secteurs d'activité économique et une transformation importante du marché du travail, surtout en termes de mobilité en emploi et de développement de carrière.Les carrières sont de plus en plus fragmentées, les gens se déplaçant d'un projet à l'autre, passant d'un emploi ou d'une entreprise à l'autre au cours de leur vie.Ceci constitue un défi important du point de vue de l'apprentissage et du développement de carrière individuelle, puisque ceci ne permet pas de développer l'apprentissage au sein de marchés internes du travail, à l'intérieur de l'organisation.Dans les nouveaux secteurs comme le multimédia, caractérisés par une très grande mobilité interentreprises, mais aussi par une obligation d'apprentissage permanent, le défi est grand pour les carrières individuelles, comme pour les entreprises qui doivent tenter de capturer les avantages concurrentiels issus des connaissances de leurs salariés.Ces nouvelles carrières nomades sont à nos yeux une dimension fondamentale de la nouvelle économie des connaissances.Au cours des 2 dernières années, nous avons mené une recherche auprès de personnes travaillant dans le secteur du multimédia.Notre article décrit les nouvelles visions des réseaux et des carrières qui nous ont été présentées par les travailleurs de ce secteur, mais aussi par leurs employeurs, préoccupés par le développement des connaissances collectives de leur organisation dans le contexte des carrières nomades.Nous avons réalisé des entrevues avec une cinquantaine de travailleurs et une douzaine d'employeurs ou de gestionnaires d'entreprises.***
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.013 | 0.008 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.016 | 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".