Work and hardship in nursing homes… What if the solution could be “salutogenic” management?
Notice bibliographique
Résumé
L’intensification du travail dans le secteur sanitaire et social a été une cause essentielle de la dégradation des conditions de travail ces dernières années. La question de l’articulation possible entre la qualité de l’accompagnement des usagers et la qualité de vie au travail se pose. Quelles sont les outils et les postures managériales clés pour construire les conditions du bien-être au travail dans ces organisations sous tensions ? Par une approche abductive et à partir de quatre monographies, nous mettons à l’épreuve du secteur médico-social, la modélisation SLAC – Sens, Lien, Activité, Confort – (Abord de Chatillon et Richard, 2015) pour mettre en perspective, les périmètres d’action des directions, de l’encadrement et des soignants. Nous référant à la méthodologie de Gioia, Corlay et Hamilton (2013), les douze entretiens réalisés (directions, cadres, et soignants) sont analysés manuellement dans une logique conceptualisante. Les résultats corroborent la modélisation SLAC tout en nuançant la dimension du sens du travail telle que proposée par ses auteurs, dimension qui au prisme de notre analyse, se révèle transversale du modèle SLAC… Nous proposons des implications managériales salutogéniques, catégorisées par niveaux de responsabilités : les directions, l’encadrement de proximité et les soignants-référents bientraitance.
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 | 0,007 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,008 | 0,021 |
| Communication savante | 0,011 | 0,010 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 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 ».