Apport de diverses sources de données à la réalisation d’une intervention ergonomique
Bibliographic record
Abstract
La recherche présentée est une réflexion méthodologique sur la démarche d’intervention en ergonomie. Les objectifs de l’étude étaient de préciser la contribution de neuf sources de données à la réalisation d’une intervention ergonomique. Un suivi a posteriori d’une recherche terrain en intervention visant à réduire les TMS dans un magasin-entrepôt du secteur commerce de détail a été réalisé. Neuf sources de données utilisées classiquement en ergonomie ont été analysées : questionnaires, données d’entretiens, données d’observation. Il ressort que, relativement aux données d’observation, les données d’entretiens apportent plus d’informations et couvrent un plus grand nombre de thèmes. Les données d’observation sont toutefois plus précises. Ce sont les données d’entretiens individuels et les autoconfrontations qui sont les plus riches, car elles permettent un plus grand nombre de liens entre les différents thèmes couverts. Les données d’entretiens contribuent à la construction sociale de l’intervention et à l’évolution des représentations des participants. Les données d’observation, par leur caractère chiffré, ont le pouvoir de convaincre l’employeur de la sévérité des différents problèmes. Il ressort que la majorité des informations recueillies par les diverses sources sont de nouvelles informations (54,7 %), un moins grand nombre étant des précisions (34,6 %) ; seulement 11 % des informations sont des confirmations. Ainsi, on continue d’apprendre tout au long des diverses sources de données. Il faut donc voir le diagnostic ergonomique comme se précisant graduellement au travers des différentes sources de données par une construction progressive de l’information tout au long de l’intervention. La conclusion fait le point sur l’apport de cette étude. Les auteurs estiment que l’étude amène une réflexion en profondeur permettant de préciser les principales caractéristiques, avantages et limites des différentes sources de données dans le contexte étudié. Dans cette perspective, l’étude peut apporter beaucoup aux ergonomes, praticiens et chercheurs.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.094 | 0.202 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.015 | 0.013 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.015 | 0.012 |
| Open science | 0.003 | 0.009 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".