Une approche diachronique des TMS : usage de données quantitatives dans une grande entreprise
Bibliographic record
Abstract
Cet article se base sur la partie quantitative d’une recherche en ergonomie dont le but est de comprendre comment des évolutions du travail ont favorisé ou limité la survenue et la persistance de troubles musculo-squelettiques (TMS) chez des opérateurs d’un groupe industriel aéronautique, avec une approche diachronique des faits étudiés. Un observatoire, fondé sur le recueil systématique de données quantitatives auprès des opérateurs (dispositif Evrest), permet de mettre en relation les facteurs de risque TMS passés et présents de ces opérateurs avec leur santé ostéo-articulaire. Sur cette base, sont explorés les mécanismes de régulation, d’usure et de sélection éventuellement à l’œuvre. Pour ces deux derniers mécanismes, l’analyse repose sur l’étude de « séquences d’astreinte » et de « cumuls d’astreinte », l’astreinte étant définie à partir d’une combinaison de questions sur les contraintes physiques, la pression temporelle et les possibilités de choisir la façon de procéder dans son travail.
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 | 0.035 | 0.097 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.003 |
| Bibliometrics | 0.009 | 0.009 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.008 | 0.005 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 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".