L’implication des acteurs dans l’implantation de projets d’amélioration des situations de travail en ergonomie participative : des constats différenciés dans deux usines
Bibliographic record
Abstract
Une intervention en ergonomie participative a été conduite pendant deux ans dans deux usines d’une grande entreprise de production de métal. Son objectif visait la prévention des troubles musculo-squelettiques en misant sur la capacité des acteurs des milieux à procéder à l’analyse et à la transformation des situations de travail estimées à risque. Les résultats présentés dans cet article sont focalisés sur les processus de l’intervention et des projets de transformation. Ils démontrent que le fonctionnement davantage centralisé d’un site, ses activités de production plus homogènes et un rôle plus défini de son comité de pilotage ont suscité un taux de réalisation plus élevé des projets de transformation. Cependant, les projets annonçant des gains de productivité en plus de prévenir les TMS ont eu plus de facilité à se réaliser. La discussion porte sur l’importance d’une prise de position claire des décideurs pour l’aboutissement des projets ainsi que sur la contribution de ce type de démarche pour former des relayeurs de l’ergonomie au sein de tels milieux 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 | 0.013 | 0.024 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.003 |
| 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".