Une approche centrée sur la personne pour l’analyse des facteurs de stress liés à la pandémie de COVID-19
Notice bibliographique
Résumé
Introduction La pandémie de COVID19 et les effets du confinement qui en ont découlé ont eu un effet néfaste sur la situation sociale, professionnelle et financière des individus. En adoptant une approche centrée sur la personne pour la recherche d’information et l’analyse des données, nous avons cherché à définir des classes (ou segments) d’employés ayant des configurations spécifiques de réponses relatives à plusieurs facteurs de stress liés à la pandémie. Nous avons également étudié leurs facteurs de risque et de résilience en lien avec l’appartenance à ces classes. Méthodologie Nous avons analysé les données de 4 277 employés ayant répondu à un sondage éclair en août 2020, au moyen d’une analyse de classes latentes pour définir les groupes d’employés ayant des modèles spécifiques de réponses à propos de six facteurs de stress liés à la pandémie. Nous avons également effectué une analyse de régression logistique multinomiale pour explorer les liens entre plusieurs facteurs de risque et de résilience (dont l’âge, le sexe et le soutien organisationnel perçu) et l’appartenance à ces classes, puis nous avons comparé les niveaux de santé mentale autodéclarée dans ces classes émergentes. Résultats Les données ont révélé quatre classes d’employés : « adaptation », « en tension », « avec insécurité » et « en grand stress » (formant respectivement 30 %, 35 %, 21 % et 14 % de l’échantillon). Tous les facteurs de risque et de résilience ont été évalués en lien avec le fait d’appartenir à la classe « adaptation » plutôt qu’aux autres classes. De plus, les employés de la classe « adaptation » ont présenté un meilleur niveau de santé mentale autodéclarée par rapport aux autres. Conclusion Grâce à l’obtention de classes d’employés avec des configurations spécifiques de facteurs de stress liés à la pandémie ainsi que des niveaux de santé mentale autodéclarés et des facteurs de risque différentiels, cette étude offre un point de départ pour éclairer les interventions en contexte professionnel visant à aider les employés les plus vulnérables aux facteurs de stress liés à la pandémie à faire face efficacement à ces derniers.
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 | 0,050 | 0,129 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,003 | 0,008 |
| Bibliométrie | 0,006 | 0,007 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,004 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,028 | 0,006 |
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 ».