Co-construction: A key to preventing mental health injuries in occupational settings
Notice bibliographique
Résumé
Co-construction: A key to preventing mental health injuries in occupational settings Dr Mélanie Dufour-Poirier from the Université de Montréal and Dr Jean-Paul Dautel from the Université du Québec en Outaouais outline a new approach to preventing workplace mental health injuries and improving wellbeing. In Canada, it is estimated that mental health-related costs total approximately $50bn annually. In the province of Quebec, close to one out of two workers has experienced psychological distress since the onset of the COVID-19 pandemic. Amongst its pathogens are the porosity of working time, isolation, competition among colleagues, and the demand for short-term profitability. New - more stressful - forms of work organization, including telework, have emerged, bringing with them excessive workloads, increases in the pace of work, growing job flexibility, precarious contract employment, and job insecurity. These issues have put workplace mental health back at the centre of the debate in Quebec. More generally, the crisis has called for a rethinking of management methods for better upstream protection of mental health, ideally through a collective and participatory approach that involves all the actors in a working community rather than one that aims at protecting against and treating such mental health injuries on the level of the individual, as is the current tendency. It is an issue of the utmost importance for unions, a subject we discussed in a recent article (Open Access Government, April 2024).
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 tête enseignante, 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 ».