MétaCan
Menu
Back to cohort
Record W2109811722 · doi:10.4000/pistes.3834

Démarches d’ergonomie participative pour réduire les risques de troubles musculo-squelettiques : bilan et réflexions

2000· article· fr· W2109811722 on OpenAlexvenueno aff
Marie St-Vincent, Georges Toulouse, Marie Bellemare

Bibliographic record

VenuePerspectives interdisciplinaires sur le travail et la santé · 2000
Typearticle
Languagefr
FieldMedicine
TopicMusculoskeletal pain and rehabilitation
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

Cet article traite d’interventions d’ergonomie participative réalisées par trois chercheurs dans différents milieux. En introduction, l’article situe l’approche développée par rapport à la littérature dans le domaine. Un bilan est ensuite présenté des principales composantes de notre démarche. Les grandes caractéristiques de l’approche sont d’abord décrites puis les structures de participation, comme les groupes Ergo, sont ensuite expliquées. La place faite aux travailleurs de l’entreprise est discutée et les éléments de la formation donnée sont présentés. Les actions réalisées sur les situations de travail sont détaillées ; celles-ci vont du choix des postes à risque jusqu’à l’implantation et le suivi des solutions. Un tableau présente les caractéristiques des milieux étudiés et trace le bilan des interventions réalisées sur 38 situations de travail. On constate que les transformations touchent souvent l’aménagement du poste, les équipements et outils et, plus rarement, l’organisation du travail. La discussion vise à partager des réflexions inspirées par notre pratique et à ouvrir des avenues de recherche. Cinq thèmes sont abordés : l’influence du contexte organisationnel et social sur la démarche participative ; les processus en jeu au sein des groupes Ergo ; la qualité des analyses réalisées par les participants ; la place des facteurs organisationnels et psychosociaux dans la démarche participative ; et finalement, les questions liées à l’évaluation de cette démarche. En guise de conclusion nous rappelons les points forts et les limites de l’approche et proposons des pistes de recherche.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Science and technology studies, Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.786
Threshold uncertainty score0.999

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0030.001
Meta-epidemiology (narrow)0.0010.001
Meta-epidemiology (broad)0.0010.001
Bibliometrics0.0000.000
Science and technology studies0.0010.003
Scholarly communication0.0000.001
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0040.000

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.

Opus teacher head0.018
GPT teacher head0.358
Teacher spread0.340 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations35
Published2000
Admission routes1
Has abstractyes

Explore more

Same venuePerspectives interdisciplinaires sur le travail et la santéSame topicMusculoskeletal pain and rehabilitationFrench-language works237,207