Comment améliorer le bien-être psychologique au travail?
Notice bibliographique
Résumé
Résumé Le dicton «Un travailleur heureux est un travailleur productif» fait partie du sens commun pour plusieurs cadres, mais comment peut-on amener les employés à s’épanouir au travail? Qu’est-ce que le bien-être psychologique au travail et comment est-il possible de l’améliorer? Malgré l’intérêt croissant que soulèvent ces questions, on en sait beaucoup plus sur la manière de traiter des problèmes de santé mentale au travail que sur la manière de favoriser une excellente santé psychologique au travail. Sur la base de notre étude et des différents écrits scientifiques sur le sujet, nous présentons les cinq ingrédients clés du bien-être psychologique au travail : entretenir des relations interpersonnelles positives, s’épanouir dans son travail, se sentir compétent, se sentir reconnu dans son travail et désirer s’engager activement dans son milieu de travail. Afin d’aider les cadres à agir sur ces composantes essentielles, nous énonçons des stratégies d’intervention propres à chacune d’elles, en suggérant des applications sur les plans individuel, collectif et organisationnel, puis nous listons certaines conditions de succès et des défis à relever en la matière. Au moyen de ces stratégies de gestion accessibles, il paraît réaliste de faire de chaque milieu de travail un endroit où l’on peut tendre vers une expérience de travail saine et optimale. Fonctions : management, GRH
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 | 0,009 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,006 | 0,012 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,003 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 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 ».