De la nécessité d’articuler droit du travail, droit de la santé et sécurité et droit de l’immigration : une analyse comparative des stratégies d’organisation du travail dans les entrepôts de Dollarama et d’Amazon à Montréal
Bibliographic record
Abstract
Résumé Basé sur une recherche-action conduite en partenariat avec deux organismes de protection des droits des travailleurs non syndiqués, cet article compare deux modèles d’organisation du travail dans les entrepôts – celui de Dollarama et celui d’Amazon – et illustre comment l’un et l’autre fonctionnent grâce à l’exploitation d’une main-d’œuvre en bonne partie racisée. Emplois instables et peu protégés, pressions à la productivité fragilisant le corps et l’esprit, statuts migratoires précaires enfermant les individus dans des emplois usants et de piètre qualité – ces éléments interconnectés créent des espaces où le droit du travail peine à s’appliquer. Les résultats de l’enquête mettent en évidence les enjeux multiples découlant de la fragmentation des cadres réglementaires hérités de la période fordiste, trop souvent rendus caducs par la transformation des pratiques de gestion de la main-d’œuvre, et appellent, au profit des travailleurs les plus vulnérables, le développement d’une vision plus holistique du droit et de la réglementation.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.008 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".