Enjeux de gestion de la santé et sécurité au travail auprès des travailleurs d'agences de location de personnel et proposition de nouvelles pratiques préventives
Bibliographic record
Abstract
Il est reconnu que l'embauche des travailleurs d'agences a connu une croissance phénoménale au cours des dernières années. La principale particularité de cette industrie réside principalement dans la relation de travail, nommée la relation tripartite. Cet article a pour objectif d’identifier les enjeux de gestion de la santé et sécurité du travail auprès des travailleurs d’agences de location de personnel (TALP) ainsi que de nouvelles pratiques de SST. Cette étude exploratoire inductive utilise la méthode de la théorisation ancrée ou enracinée. Les données proviennent de deux sources de données empiriques. Une première collecte de données a été réalisée auprès de quarante-deux travailleurs d'agences de la région de Montréal (n=28) et de Québec (n=14). La deuxième collecte de données a été menée auprès de professionnels de la SAT (n=16) dans la région de Montréal. Les résultats identifient les principaux enjeux de SST suivants : enjeux économiques, juridiques, organisationnels et de perception du risque, qui expliquent les écarts des pratiques préventives entre les TALP et les travailleurs réguliers et la proposition de nouvelles pratiques de SST pouvant freiner l’accroissement des lésions professionnelles chez ces travailleurs et les inégalités de traitement. À cet égard, il est important de mieux légiférer la relation tripartite et de tenir compte de la cohabitation de différents collectifs de travail (p.ex., travailleur d'agence, travailleur étranger temporaire, travailleur autonome) au sein des entreprises. Enfin, nous proposons d'être innovant et être en mesure de mobiliser les acteurs concernés à la transformation des pratiques de SST actuelles.
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 | 0.005 | 0.013 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.000 |
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.
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".