Bibliographic record
Abstract
Résumé Lorsqu’un salarié se suicide, la pensée rationnelle de l’ensemble des salariés vole en éclats, une onde de choc se propage dans l’entreprise, d’autant plus que cette personne qui s’enlève la vie part avec ses secrets. Comment l’entreprise traverse-t-elle cette crise ? Comment faut-il intervenir ? Cet article vise à aider les dirigeants et les gestionnaires à mettre en place un cadre d’intervention qui permettra de résoudre la crise. Pour cela, nous analysons les impacts d’un suicide sur l’ensemble du personnel et sur la direction de l’entreprise. Nous relevons les facteurs qui prédisposent au suicide, qui y contribuent, qui le précipitent et qui le préviennent. Puis, nous décrivons les trois modes possibles de résolution de la crise qu’entraîne un suicide : une résolution négative, neutre et positive. Par la suite, nous examinons les interventions à faire auprès des employés, des cadres et de l’organisation lorsque cette crise survient. Finalement, nous traitons des différentes mesures que la direction peut prendre pour instaurer une culture de prévention du suicide au sein du personnel.
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 | 0.006 | 0.022 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.005 | 0.007 |
| Insufficient payload (model declined to judge) | 0.009 | 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".