Modes de gestion dans les services communautaires. Effets sur les conditions de travail et les difficultés émotionnelles vécues par les intervenant·e·s au Québec
Notice bibliographique
Résumé
Dans cet article, nous nous intéressons aux difficultés émotionnelles (DÉ) vécues par des professionnel·le·s au cours de la pandémie de la COVID-19 au Québec au sein de trois regroupements d’organisations communautaires œuvrant en santé mentale, en itinérance et auprès de personnes handicapées. Plus précisément, nous étudions les manifestations de burnout (BO), de stress traumatique secondaire (STS) et de détresse psychologique (DP) rapportées par les participant·e·s, tout en les comparant en fonction des modes de gestion rapportés, c’est-à-dire une gestion participative ou hiérarchique. Les analyses ont été produites à partir de données provenant de questionnaires remplis en ligne par près de 300 personnes. Les questionnaires comportaient 140 items, divisés entre une échelle sur les risques psychosociaux, une sur la qualité de vie professionnelle et une sur la DP. Nos résultats montrent des différences significatives entre les deux groupes de gestion pour le BO, mais non pas pour le STS ou la DP. Nous identifions ensuite des différences significatives entre les deux groupes pour différents facteurs liés aux conditions de travail, dont les demandes de cacher les émotions, la reconnaissance, la qualité du leadership et l’engagement envers le travail. Cela nous permet ensuite d’évaluer l’effet de protection ou de risque que jouent ces différents facteurs quant au BO. Nous voyons ainsi que les demandes émotionnelles élevées constituent un risque pour le BO, tout comme les enjeux liés à l’équilibre travail-famille. En revanche, le sentiment de justice organisationnelle et la satisfaction au travail étaient des facteurs qui protégeaient du BO.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».