Instruments de mesure et voies thérapeutiques du burn-out : la responsabilité sociale court-circuitée
Bibliographic record
Abstract
Alors qu’il est demeuré jusqu’aux années 1980 le propre des milieux professionnels axés sur le relationnel et le soin, on considère aujourd’hui que leburn-outpeut toucher l’ensemble des travailleurs, quel que soit le contenu de leur activité productive. Comment rendre compte de l’importance du retentissement que connaît cette pathologie aujourd’hui? L’objectif du présent article est double. À partir de l’étude de trois de ces principaux instruments de mesure — modèle de Maslach et Jackson, modèle de Siegrist et modèle de Karasek —, il s’agira d’abord de mettre en lumière à quel point les facteurs psychosociaux mobilisés par ces modèles pour appréhender leburn-outet en estimer la prévalence, loin de représenter des besoins psychologiques fondamentaux, sont davantage le reflet des injonctions et contraintes qui caractérisent l’expérience du travail contemporain. De même, alors que cesfacteurs psychosociauxne sauraient être du seul ressort de l’individu, l’article cherchera à montrer que les interventions pratiquées auprès des personnes « à risque » ou « en processus » deburn-outs’en tiennent la plupart du temps au seul périmètre de la psychologie et de la responsabilité individuelles.
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 | 0.009 | 0.023 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.005 | 0.017 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.006 | 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".