MétaCan
Menu
Retour à la cohorte
Enregistrement W7104431039 · doi:10.71781/24202

L'impact du programme d'aide aux employés sur l'assiduité des employés en difficulté à la STCUM

2000· dissertation· W7104431039 sur OpenAlexaboutno aff

Notice bibliographique

RevuePapyrus : Institutional Repository (Université de Montréal) · 2000
Typedissertation
Langue
DomaineHealth Professions
ThématiqueWorkplace Health and Well-being
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPopulationCommunity workContext (archaeology)

Résumé

récupéré en direct d'OpenAlex

Des efforts considérables ont souvent été déployés par les employeurs depuis plusieurs années pour contrer le problème de l'absentéisme et réduire les comportements problématiques dans l'entreprise. Parmi ces mesures, on note l'apparition des Programmes d'aide aux employés; ces organismes visent d'abord l'amélioration du bien-être de l'employé et par conséquent, celui de l'entreprise. La littérature qui traite des bienfaits des PAE manque cependant de rigueur pour établir clairement, donc sans équivoque, les relations entre le PAE et les divers indicateurs d'une amélioration de l'assiduité. Les études que l'on retrouve sur les PAE n'adoptent pas de modèle systématique et nous observons des lacunes méthodologiques importantes : absence de groupes témoins, données restreintes, échantillons trop petits, etc. Par ailleurs, les caractéristiques occupationnelles et individuelles des utilisateurs du PAE sont pour la plupart connues et bien identifiés. En somme, il faut admettre qu'il est difficile de cerner tout le contexte dans lequel une problématique s'inscrit et évolue. La présente étude peut en quelque sorte offrir un canevas à des recherches plus systématiques. Cette étude est réalisée dans une grande organisation montréalaise, soit la Société de transport de la Communauté urbaine de Montréal. Nous avons sélectionné à la STCUM 233 individus ayant bénéficié d'une intervention au PAE. Ce qui représente 67% de la population totale qui a fréquenté le PAE en 1989, 1990 et 1991. Les données furent colligées pour chaque cas durant 4 ans, soit 2 ans avant leur passage au PAE et 2 ans après leur démarche. Nous avons identifié 10 variables indépendantes susceptibles d'influencer l'absentéisme qui constitue notre variable dépendante. Nous avons aussi répertorié 6 formes d'absentéisme dont 3 sont mesurées en terme de fréquence et de durée : les absences pour maladies personnelles, pour accidents de travail, pour maladies dans la famille. Quant aux 3 autres formes d'absentéisme suivantes, elles furent mesurées seulement en terme de fréquence «avant et après» le PAE : les absences sans permission, les retards au travail et les absences dues aux mesures disciplinaires. Le cadre de référence comporte ainsi 18 mesures distinctes de l'absentéisme, soit 9 mesurant l'absentéisme qui prévalait AVANT le PAE et 9 autres APRÈS la venue au PAE (Schéma à la page 86). Notre étude est animée par 4 grandes questions de recherche, à savoir : l. Quel est le profil qui caractérise les clients du PAE (en terme de traits individuels, occupationnels, situationnels et de taux d'absentéisme) ? 2. Comment évoluent les comportements absentéistes entre eux, avant et après le passage des employés au PAE (corrélations bivariées) ? 3. Y-a-t-il des différences de moyennes significatives dans les taux d'absentéisme entre AVANT et APRÈS le passage des employés au PAE (Pair T-Test) ? Y a-t-il aussi des différences de moyennes significatives lorsqu'on sélectionne des groupes d'individus en particulier (Pair T-Test avec «select cases» ) ? 4. Est-ce que l'amélioration ou la détérioration de l'absentéisme constatée après le passage des employés au PAE varie significativement en fonction des éléments (catégoriques et nominales) de chacune de nos 10 variables indépendantes (analyse de variance Oneway) ? Les résultats de cette recherche font état d'une amélioration indéniable de l'assiduité quant à sa fréquence et ceci pour toutes les formes d'absentéisme considérées dans notre modèle. Il y a donc la démonstration claire d'une diminution de l'absentéisme suite à la relation d'aide.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,963
Score d'incertitude au seuil0,073

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0150,002

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,273
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePapyrus : Institutional Repository (Université de Montréal)Même sujetWorkplace Health and Well-beingTravaux en français237 207