MétaCan
Menu
Retour à la cohorte
Enregistrement W4377084368 · doi:10.7202/1096941ar

Le roulement du personnel chez des intervenants en Centre jeunesse : état, causes et effets

2023· article· fr· W4377084368 sur OpenAlexvenueno aff
Chantale Tremblay, Jacques Joly

Notice bibliographique

RevueRevue de psychoéducation · 2023
Typearticle
Languefr
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceArt

Résumé

récupéré en direct d'OpenAlex

Le roulement du personnel et la discontinuité des soins qui en découle constituent un problème de taille dans plusieurs établissements du réseau de la santé et des services sociaux et peuvent nuire à la mission de ces organisations. Cette étude vise à décrire et comprendre les causes et les effets du roulement du personnel dans le cadre d’un programme d’intervention en Centre jeunesse. Outre le calcul du taux de roulement et de la continuité des soins sur cinq ans effectué à partir de données administratives, les raisons de quitter ou de demeurer en poste furent abordées à l’aide de questionnaires maison administrés à 51 intervenants. Puis, 26 intervenants de même que 15 jeunes et 13 parents ont été interrogés au sujet de leurs perceptions des effets du roulement du personnel sur la clientèle. Les résultats confirment des taux de roulement élevés et démontrent que 72,5 % de la clientèle a vécu de la discontinuité relationnelle entre 2002 et 2008. Les raisons de quitter les plus fréquemment invoquées sont l’obtention d’un autre poste, la charge de travail, le stress perçu et l’accomplissement professionnel. Les raisons de demeurer les plus souvent invoquées concernent la motivation à travailler dans le programme, l’accomplissement professionnel, l’ambiance de travail, le support des collègues et les effets perçus du programme sur la clientèle. Enfin, clients et employés s’entendent pour affirmer que le roulement du personnel entraîne plusieurs effets néfastes.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,044
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,044
Tête enseignante GPT0,400
Écart entre enseignants0,356 · 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'étudeObservationnel
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

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue de psychoéducationMême sujetWorkplace Health and Well-beingTravaux en français237 207