Semaine de travail de quatre jours : quels sont les impacts sur les travailleurs ?
Notice bibliographique
Résumé
Depuis de nombreuses années, à travers les pays industrialisés, les organisations de tous les secteurs cherchent des stratégies pour améliorer leur productivité ainsi que la qualité de leur environnement de travail. Ce défi a d’ailleurs été amplifié par la pandémie reliée au coronavirus COVID-19 (Fontinha, 2021). Cette nouvelle réalité a amené les organisations à se réinventer pour demeurer compétitives. Parmi les solutions considérées, la semaine de travail de quatre jours retient l’attention des organisations et de la communauté scientifique (Sng et al., 2021). Or, malgré l’aspect prometteur de ce modèle et une poignée d’études sur le sujet, il semble difficile d'obtenir un aperçu clair de ses retombées sur les travailleurs en raison d'un état de la documentation épars et fragmenté. À la lumière de cette situation, la présente étude vise à brosser un portrait des diverses retombées individuelles connues jusqu’à présent de cette modalité de travail. Pour ce faire, la présente recherche s’appuie sur la méthode en cinq étapes de la scoping study, proposée par Arksey et O’Malley (2005) : (1) définition de la question de recherche ; (2) identification des données documentaires pertinentes ; (3) sélection des données documentaires ; (4) classification des données ; (5) analyse, synthèse et présentation des résultats. Sur un potentiel de 2183 écrits, 22 écrits empiriques, théoriques et pratiques ont été compilés et analysés. De cette analyse, cinq grandes catégories regroupant à la fois des retombées positives et négatives ont été dégagées : la productivité, la santé psychologique, l’interface travail-vie personnelle, les relations interpersonnelles et la satisfaction générale. En plus de sensibiliser les organisations aux effets de cette nouvelle alternative de travail, cette étude offre des pistes intéressantes de recherche et d’action aux chercheurs et praticiens désirant maximiser les effets positifs de cette modalité de travail prometteuse.
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 | 0,011 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,010 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,004 |
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 ».