Qualification juridique du harcèlement moral en France : étude empirique des arrêts des cours d’appel de la région AquitaineÉtude empirique des arrêts des cours d’appel de la région Aquitaine
Notice bibliographique
Résumé
L’analyse du contentieux du harcelement moral pose des questions de recherche auxquelles la methode juridique ne permet pas toujours de repondre. Les trop rares etudes contentieuses portent davantage sur la mobilisation des regles que sur les facteurs de la decision du juge. Les methodes de l’epidemiologie qui permettent une description detaillee et une analyse des elements associes aux decisions du juge peuvent offrir un point de vue original sur le contentieux. A partir de la base JURICA, nous avons decrit les arrets des cours d’appel d’Aquitaine (France) de l’annee 2011 traitant de situations de harcelement moral au travail et mis en evidence les elements associes a sa reconnaissance par le juge. Parmi les 136 arrets identifies comme traitant specifiquement du harcelement moral, dans 38 cas la qualification a ete retenue par le juge. Cette qualification etait plus frequente quand la victime etait une femme, lorsqu’une consultation avec un medecin avait mene a un arret maladie, lorsqu’une discrimination ou des nuisances liees au management avaient ete evoquees.
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 | 0,026 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,006 | 0,005 |
| Communication savante | 0,005 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».