Apport de diverses sources de données à la réalisation d’une intervention ergonomique
Notice bibliographique
Résumé
La recherche présentée est une réflexion méthodologique sur la démarche d’intervention en ergonomie. Les objectifs de l’étude étaient de préciser la contribution de neuf sources de données à la réalisation d’une intervention ergonomique. Un suivi a posteriori d’une recherche terrain en intervention visant à réduire les TMS dans un magasin-entrepôt du secteur commerce de détail a été réalisé. Neuf sources de données utilisées classiquement en ergonomie ont été analysées : questionnaires, données d’entretiens, données d’observation. Il ressort que, relativement aux données d’observation, les données d’entretiens apportent plus d’informations et couvrent un plus grand nombre de thèmes. Les données d’observation sont toutefois plus précises. Ce sont les données d’entretiens individuels et les autoconfrontations qui sont les plus riches, car elles permettent un plus grand nombre de liens entre les différents thèmes couverts. Les données d’entretiens contribuent à la construction sociale de l’intervention et à l’évolution des représentations des participants. Les données d’observation, par leur caractère chiffré, ont le pouvoir de convaincre l’employeur de la sévérité des différents problèmes. Il ressort que la majorité des informations recueillies par les diverses sources sont de nouvelles informations (54,7 %), un moins grand nombre étant des précisions (34,6 %) ; seulement 11 % des informations sont des confirmations. Ainsi, on continue d’apprendre tout au long des diverses sources de données. Il faut donc voir le diagnostic ergonomique comme se précisant graduellement au travers des différentes sources de données par une construction progressive de l’information tout au long de l’intervention. La conclusion fait le point sur l’apport de cette étude. Les auteurs estiment que l’étude amène une réflexion en profondeur permettant de préciser les principales caractéristiques, avantages et limites des différentes sources de données dans le contexte étudié. Dans cette perspective, l’étude peut apporter beaucoup aux ergonomes, praticiens et chercheurs.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,094 | 0,202 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,003 |
| Bibliométrie | 0,015 | 0,013 |
| Études des sciences et des technologies | 0,004 | 0,005 |
| Communication savante | 0,015 | 0,012 |
| Science ouverte | 0,003 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».