Prévention des TMS dans la durée : des acteurs institutionnels facilitent une démarche d’entreprise
Notice bibliographique
Résumé
Un projet départemental de prévention des TMS est né en 2003 à l’initiative du Service Médical Inter-entreprises de l’Anjou et de l’Action Régionale pour l’Amélioration des Conditions de Travail des Pays de Loire pour répondre aux difficultés des entreprises à mettre en place des projets efficaces et pérennes. Il réunit dans un engagement pour 5 ans, 6 entreprises volontaires qui en acceptent les exigences.Les acteurs institutionnels de prévention apportent, dans une approche pluridisciplinaire, une méthodologie de projet et la possibilité d’échanges et de retours d’expérience entre les entreprises. Cet accompagnement est orienté sur la constitution de groupes de travail animés par des consultants privés pour réfléchir sur des situations à risques de TMS et mettre en commun des décisions de changement.Après 3 ans de conduite du projet dans un abattoir de viande bovine, un processus d’appropriation est à l’œuvre. Les évaluations mettent en lumière des changements humains, organisationnels et techniques. Cette expérience interroge le rôle des acteurs institutionnels et l’intérêt de l’articulation entre les acteurs externes et internes à l’entreprise.
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 | 0,015 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,006 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,002 | 0,007 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».