Approche appréciative et utilisation des forces en milieu organisationnel : une évaluation comparative de deux démarches associées au bien-être et à la performance au travail
Notice bibliographique
Résumé
L’approche des forces et l’approche de l’enquête appréciative (AEA) peuvent représenter une opportunité intéressante pour les entreprises souhaitant accompagner leurs employés dans le développement de leur bien-être, de leur engagement et de leur performance au travail. En effet, sur les dernières années, de multiples études ont étayé les effets bénéfiques de telles interventions à cet égard (Ameer & Zubair, 2020 ; Conkright, 2011 ; Harzer et al., 2021 ; Gradito, Dubord & Forest, 2022 ; Meyers et al., 2019, Oxendine et al., 2022). Cependant, à l’heure actuelle, un manque d’études expérimentales est constaté. De plus, bien que ces deux démarches présentent des points communs, la comparaison de leurs effets n’a encore jamais été réalisée.Ainsi, la présente recherche se fixe pour premier objectif d’effectuer une revue systématique des impacts de l’utilisation et du développement des forces ainsi que de l’utilisation de l’AEA en milieu de travail. Le second objectif est de conduire une étude empirique, à l’aide d’un devis quasi-expérimental, permettant, d’une part, de valider l’effet postulé des interventions basées sur l’AEA et sur le développement des forces quant à différents aspects relatifs au bien-être, à l’engagement et à la performance des employés, et d’autre part, de les comparer l’une à l’autre de manière différenciée.Les résultats démontrent les impacts bénéfiques des interventions basées sur les forces et l’AEA sur le bien-être, la performance et l’engagement.
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 | 0,046 | 0,055 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,006 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».