Épuisement professionnel en contexte policier : le rôle des valeurs
Bibliographic record
Abstract
Cet article traite de l'épuisement professionnel en milieu policier, plus précisément de la question de son étiologie. Si la plupart des causes possibles d'un burnout ont été largement étudiées, celle traitant des valeurs n'a été qu'esquissée jusqu'à présent. La première partie de l'article rappelle les différentes façons dont les valeurs, personnelles et institutionnelles, peuvent concourir au développement d'un burnout. La deuxième partie présente de façon concrète la manière dont ce syndrome peut apparaître chez un policier, en se basant sur une histoire fictive utilisée dans la formation des policiers, histoire construite sur la base de différentes situations réelles rapportées au fil du temps à des psychologues travaillant en milieu policier. La question des valeurs appelle une lecture éthique des situations rencontrées. La troisième partie de l’article examine en quoi l’éthique, en tant que processus de compréhension des conflits de normes et de valeurs surgissant dans la vie en société, peut être considérée comme un outil réflexif et préventif de l’épuisement professionnel. Pour appuyer la réflexion théorique, les auteurs présentent certains mécanismes et outils utilisés dans une démarche éthique institutionnelle concrète, amorcée dans un corps de police.
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 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.008 | 0.010 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.008 | 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".