Communiquer la science : métier, conflit de normes et harcèlement social
Bibliographic record
Abstract
Inscrite dans une longue tradition de recherche en sciences humaines et sociales, l’étude de la souffrance au travail s’est recomposée récemment autour de la problématique du harcèlement au travail. Certains chercheurs, comme Vincent de Gaulejac, se sont penchés sur cette problématique tout en cherchant à préserver une dimension culturelle et historique au phénomène. Pour Aubert et de Gaulejac, le harcèlement social correspondrait à l’évolution et au renouvellement de l’éthique protestante, axée sur la performance et la rentabilité, et dont le véhicule et l’expression sociale se retrouveraient dans la pensée managériale. L’objectif de cet article consiste à intégrer l’étude du phénomène aux dynamiques de métier en s’appuyant sur une recherche qualitative menée auprès des travailleurs de la communication des sciences. Pour les métiers de l’intervention et de l’action publiques, ces nouvelles normes relevant d’un nouveau système de valeurs entrent en conflit avec le mandat social et les idéaux de la pratique. Alors que le harcèlement social est reconnu comme étant une source de stress et de fatigue chez les travailleurs, l’examen de ce phénomène dans le cadre des dynamiques de métier permet de mettre en évidence les paradoxes, l’exclusion, l’aliénation et les conflits de normes vécus par les travailleurs qui sont toujours incités à franchir des limites.
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 | 0.021 | 0.030 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.010 | 0.073 |
| Scholarly communication | 0.013 | 0.012 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".