Digital transformation in organizational health and safety to mitigate Burnout Syndrome
Notice bibliographique
Résumé
In 2000, the World Health Organization (WHO) identified Burnout Syndrome as an occupational risk factor, affecting an estimated 10% of workers, resulting in lost productivity and increased costs due to sick leave. Some claim that Burnout Syndrome has reached epidemic proportions in workplaces around the world. While signs of burnout are not difficult to identify and palliate, its real impact is not easy to measure, generating a number of risks for companies from possible loss of human talent to decreased productivity and diminished quality of life. Given the complexity of Burnout Syndrome, it must be addressed in a creative, innovative and systematic way; traditional approaches cannot be expected to deliver different results. This paper describes the experience where an innovation challenge was launched to collect creative ideas to identify, prevent or mitigate Burnout Syndrome through the use of technological tools and software. The challenge was endowed with an economic award and its guidelines stated that the proposals must be both creative and feasible from an economic and organizational point of view. A total of twelve creative projects were submitted, including each of them, the analysis, design and management plans, to envision an idea that is feasible and with the appropriate budget, implemented. In this paper, we present a summary of these creative projects and how the IRSST (Instituto Regional de Seguridad y Salud en el Trabajo) experts and leaders in OHS in the Madrid Region (Spain) envision their potential impact on improving the OHS landscape.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».