Les conduites de retrait comme stratégies défensives face au harcèlement psychologique au travail
Bibliographic record
Abstract
Comment expliquer le fait que plusieurs personnes choisissent de fermer les yeux face à des situations de harcèlement au travail ? Pour répondre à cette question, l’article prend appui sur les témoignages d’intervenantes et d’intervenants qui offrent des services aux personnes qui vivent du harcèlement. L’analyse proposée porte sur les stratégies croisées de retrait observables chez les personnes touchées par le harcèlement, les témoins, les gestionnaires immédiats et les officiers syndicaux. Inspiré de la psychodynamique du travail, le cadre de compréhension présenté permet d’examiner le harcèlement comme le symptôme d’une dynamique socio-organisationnelle qui fait prévaloir les discours économicistes et la dimension instrumentale du travail sur toute autre considération humaine. Il propose aussi de considérer les stratégies de retrait des sujets en tant que réponses à la peur engendrée par certaines pratiques de gestion et par certaines normes organisationnelles qui s’insinuent dans la culture et dans les collectifs de 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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.007 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
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".