Le bien-être au travail : les apports d’une étude par profils
Bibliographic record
Abstract
Bien qu’étant de plus en plus étudié dans le champ des comportements organisationnels positifs, de nombreuses zones d’ombre entourent encore le bien-être au travail. Notre ambition est de montrer l’intérêt de l’appréhender de manière différenciée plutôt qu’au travers d’un score global, afin de décrire les relations qu’il entretient avec des attitudes positives et négatives. Cette approche centrée sur les personnes est rendue possible par la multi dimensionnalité du concept. Cette particularité autorise le regroupement des participants à l’enquête en profils, c’est-à-dire en fonction de la composition des scores exprimés sur chacune des dimensions constitutives du bien-être. L’analyse en profils latents — Latent Profiles Analysis — d’un échantillon de 865 personnes fait apparaître cinq regroupements distincts. Le premier est celui des personnes qui rapportent les plus faibles scores alors que le second est celui des scores voisins de la moyenne de l’échantillon sur les quatre dimensions constitutives du bien-être. Ils sont respectivement nommés profils de bien-être « déficitaire » et de bien-être « de référence ». Le troisième est un segment de population caractérisé par une relation très positive au manager et à l’environnement physique de travail. Ces deux dimensions symbolisent l’organisation, c’est pourquoi nous le nommons profil de bien-être « organisationnel ». Le quatrième est qualifié de bien-être « complet », car aucune dimension constitutive du bien-être ne manque à l’appel. Enfin, le cinquième est un bien-être « social », puisqu’il est d’abord défini par la qualité des relations aux collègues. Sur ces bases empiriques, une régression logistique multinomiale révèle que les relations les plus positives entretenues avec des variables exogènes recherchées, telles que l’implication organisationnelle affective et la satisfaction au travail, concernent d’abord le profil de bien-être au travail « complet », puis, dans l’ordre, les profils trois, cinq, deux et un. L’association à l’intention de quitter est inverse. Ces résultats invitent les managers à différencier leurs pratiques incitatives en fonction du profil auquel les salariés appartiennent. Ils montrent également que les différentes dimensions du bien-être au travail ne sont pas gouvernées par un jeu de compensations entre elles.
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 | 0.023 | 0.034 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 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".