MétaCan
Menu
Retour à la cohorte
Enregistrement W3009631112 · doi:10.1522/radm.no3.1104

Intégrer ou segmenter travail et famille? Vers une nouvelle compréhension des effets de la charge de travail

2020· article· fr· W3009631112 sur OpenAlexaffvenueabout
Mélanie Trottier, Stéphanie Foisy Petaccia

Notice bibliographique

RevueAd machina l avenir de l humain au travail · 2020
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueWork-Family Balance Challenges
Établissements canadiensUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Les récentes modifications de l’organisation du travail, telles que l’utilisation accrue de la technologie, ont transformé les frontières entre les domaines du travail et de la famille modifiant ainsi la définition même de la charge de travail. En effet, le temps et le lieu de travail sont désormais flexibles. Il importe de se questionner sur les réels effets de cette pression d’intégrer les rôles du travail et de la famille qui redéfinit la répartition de la charge de travail. La présente recherche s’intéresse à la fonction modératrice de la segmentation des rôles dans la relation entre la charge de travail et le conflit travail-famille. Une collecte de données a été réalisée auprès de 162 pharmaciens et pharmaciennes membres de l’Ordre des pharmaciens du Québec. Les résultats obtenus sont contraires à ce qui était attendu : la segmentation des rôles ne protège pas les individus d’une charge de travail élevée, mais accentue plutôt son effet sur le conflit travail-famille. La présente recherche offre un avancement des connaissances dans la littérature portant sur l’interface travail-famille. En effet, elle ouvre une voie intéressante pour comprendre dans quelles situations la segmentation des rôles influence le conflit travail-famille. D’un point de vue professionnel, la présente étude aidera les employeurs à comprendre la complexité des effets d’une charge de travail qui peut désormais être effectuée en dehors du cadre traditionnel du lieu de travail.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,010
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,113
Score d'incertitude au seuil0,225

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,027
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0050,005
Communication savante0,0070,005
Science ouverte0,0010,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,281
Écart entre enseignants0,260 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAd machina l avenir de l humain au travailMême sujetWork-Family Balance ChallengesTravaux en français237 207