La relation entre le pouvoir d’expertise des professionnels et l’intention de quitter dans les équipes de travail du milieu de la santé
Notice bibliographique
Résumé
Au Québec quelques problématiques se posent dans le milieu de la santé. Celle de la pénurie de main-d’oeuvre devient de plus en plus importante. Des dimensions démographiques, économiques et humaines y sont associées tels que les coûts élevés de roulement de personnel. Cette situation crée ainsi un défi supplémentaire pour les employeurs : la rétention de leur personnel. Pour y parvenir, une piste est de connaître ce qui pourrait être lié à leur intention de quitter. Le personnel du milieu de la santé est très souvent regroupé dans des équipes de travail. Ces équipes comprennent notamment des professionnels qui se réfèrent à leur expertise afin de mener à bien les tâches à accomplir. Cette expertise leur confère un pouvoir, qui selon son utilisation peut avoir différents impacts sur les membres de leur équipe. Aussi, le but de cette étude est de vérifier la relation entre l’utilisation du pouvoir d’expertise des professionnels au sein des équipes de travail du milieu de la santé et l’un de ces impacts potentiels, l’intention de quitter des membres de l’équipe. De plus, puisque la documentation le suggère, les catégories de professionnels seront différenciées pour connaître lesquels ont davantage l’intention de quitter. Dans cette étude, 431 travailleurs faisant partie d’équipes de travail comprenant des professionnels et oeuvrant dans le milieu de la santé ont été recrutés dans différents établissements de santé et ordres professionnels du Québec et ont répondu aux deux questionnaires de recherche, l’un pour la variable intention de quitter et l’autre pour l’utilisation du pouvoir d’expertise. Dans un premier temps, une analyse par composante principale menée sur les données du nouveau questionnaire d’utilisation du pouvoir d’expertise révèle sept composantes: reconnaissance individuelle de la valeur de l’expertise, attitude communicative, expression de son expertise, contrôle de l’expertise, respect de l’expertise de l’autre, reconnaissance de l’expertise par les membres de l’équipe, partage de l’information et de l’expertise avec l’équipe. Par la suite, les analyses corrélationnelles présentent des relations significatives entre cinq des sept composantes d’utilisation du pouvoir d’expertise et les intentions de quitter des participants à cette étude : la reconnaissance de l’expertise par les membres de l’équipe, le respect de l’expertise de l’autre, l’expression de son expertise, l’attitude communicative et le contrôle de l’expertise. Par ailleurs, des différences sont ressorties entre les groupes de professionnels sur la relation entre les composantes de l’utilisation du pouvoir d’expertise et l’intention de quitter, démontrant une certaine diversité des perceptions du travail entre eux. Cette étude soumet une première opérationnalisation de l’utilisation du pouvoir d’expertise, mais surtout, fait valoir son impact sur l’intention de quitter du personnel du milieu de la santé. Les organisations peuvent donc envisager de considérer ces composantes dans leur formation ou dans le soutien aux professionnels dans l’exercice de leur fonction au sein de leur équipe.
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 | 0,002 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 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 ».