Des apprentissages de la crise sanitaire COVID-19 à la professionnalisation
Notice bibliographique
Résumé
Les agents de service mortuaire, invisibilisés et inscrits dans un système où la mort est sécularisée, ont été aux premières loges de la gestion des vagues de décès liés à la crise sanitaire COVID-19. Ces professionnels ont vu leurs contraintes être multipliées, impactant la continuité de l’activité et la santé des agents. Cette recherche-intervention a pour objectif d’identifier les apprentissages faits durant la crise. Grâce aux méthodes d’analyse de l’activité et au retour d’expérience, nous avons étudié les situations de crise au regard de l’activité des agents de service mortuaire d’un Centre hospitalier universitaire (CHU) en France en visant une approche développementale de l’ergonomie. L’analyse diachronique des données met en avant des transformations profondes dans l’activité. Pour y faire face, les régulations, construites par et pour le collectif de travail et avec les collectifs transverses (soignants, entreprises privées) ont permis l’élaboration d’apprentissages organisationnels qui dépassent les situations de crise liées à la COVID-19.
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 | 0,032 | 0,042 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,012 | 0,016 |
| Communication savante | 0,016 | 0,009 |
| Science ouverte | 0,002 | 0,010 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,003 |
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 ».