Les licenciements collectifs au Québec : portée et efficacité de la règle de droit
Bibliographic record
Abstract
Au cours des dernières années, le Québec fut durement touché par des vagues massives de licenciements collectifs. Après l’industrie du textile et du vêtement, c’est maintenant au tour de l’industrie forestière de subir, de plein fouet, les contrecoups d’une économie en pleine mutation. Les résultats des entrevues réalisées au printemps 2008, auprès des travailleurs de la Louisiana-Pacific de Saint-Michel-des-Saints, attestent de l’incapacité des dispositions sur le licenciement collectif à prendre adéquatement en charge les travailleurs victimes de ces fermetures d’usines. Pour évaluer le degré d’efficacité des dispositions sur le licenciement collectif, nous partons d’une étude empirique visant le processus de restructuration d’une grande entreprise papetière, qui conduit à la fermeture de son usine de traitement du bois à St-Michel-des-Saints. Des entretiens conduits auprès des travailleurs, des acteurs locaux comme des dirigeants du syndicat et de la communauté locale, et d’autres acteurs syndicaux et gouvernementaux permettent de reconstruire les étapes conduisant aux licenciements collectifs et à leur suite. Seule la mobilisation syndicale (blocus de l’usine) a permis de bonifier les faibles mesures palliatives prévues initialement par la loi. Cette mobilisation n’a toutefois pas empêché de constater des effets négatifs marqués (appauvrissement, sentiment d’exclusion, tensions familiales, etc.) chez les travailleurs victimes de ce licenciement massif.
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 | 0.002 |
| 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 | 0.001 |
| Open science | 0.001 | 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".