Bibliographic record
Abstract
Bien que la question de l'effet des syndicats sur la productivité ait fait l'objet de recherches depuis longtemps, les études sur le sujet sont plutôt rares et plusieurs problèmes demeurent sans réponse. Même si bien des motifs expliquent un tel état de choses, le plus important est sans doute de définir et de mesurer la productivité. Nombre de spécialistes divergent d'avis sur les moyens de l'apprécier. En outre, la question est essentiellement empirique, puisqu'il existe d'abondants arguments qui concluent les uns à un effet positif et les autres à un effet négatif. De plus, les statistiques dont on dispose pour porter un jugement manquent généralement, en particulier lorsqu'il s'agit de comparer celles qui proviennent des entreprises syndiquées et de celles qui ne le sont pas. Dans le cas du Canada, ces données sont de qualité douteuse. Pour cette raison, la plupart des études portant sur l'effet du rôle des syndicats en ce qui concerne la productivité prennent de par leur nature même la forme d'études de cas. En conséquence, si l'on s'intéresse aux effets macro-économiques des syndicats, on risque d'en arriver à des conclusions erronées. Ainsi, une entreprise, où il n'existe pas de syndicat, peut modifier ses techniques de production dans un effort en vue d'empêcher la syndicalisation ou au moins en diminuer les conséquences si elle se produisait. Par ailleurs, si des firmes syndiquées deviennent plus productives à cause de la syndicalisation, il peut arriver que d'autres qui ne le sont pas changent leur technologie de production pour empêcher une diminution des ventes. Ces motifs font voir que c'est une chose désirable de mesurer l'effet de la productivité pouvant découler de l'action syndicale au point de vue général, mais ils en montrent en même temps toute la difficulté. L'article veut apporter une double contribution aux études qui ont portées sur le sujet en discutant les questions et les concepts en jeu. Par la critique qu'il fait de certains travaux récents, il ouvre des voies nouvelles vers une recherche future, car il faut convenir qu'il est besoin de beaucoup d'études additionnelles avant de pouvoir affirmer que l'on comprend les effets des syndicats en matière de productivité. Ceci exige naturellement une augmentation considérable du nombre des données statistiques.
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 | 0.018 | 0.074 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.004 | 0.008 |
| Science and technology studies | 0.001 | 0.004 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.018 | 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".