Comment améliorer le bien-être psychologique au travail?
Why this work is in the frame
A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.
Bibliographic record
Abstract
Résumé Le dicton «Un travailleur heureux est un travailleur productif» fait partie du sens commun pour plusieurs cadres, mais comment peut-on amener les employés à s’épanouir au travail? Qu’est-ce que le bien-être psychologique au travail et comment est-il possible de l’améliorer? Malgré l’intérêt croissant que soulèvent ces questions, on en sait beaucoup plus sur la manière de traiter des problèmes de santé mentale au travail que sur la manière de favoriser une excellente santé psychologique au travail. Sur la base de notre étude et des différents écrits scientifiques sur le sujet, nous présentons les cinq ingrédients clés du bien-être psychologique au travail : entretenir des relations interpersonnelles positives, s’épanouir dans son travail, se sentir compétent, se sentir reconnu dans son travail et désirer s’engager activement dans son milieu de travail. Afin d’aider les cadres à agir sur ces composantes essentielles, nous énonçons des stratégies d’intervention propres à chacune d’elles, en suggérant des applications sur les plans individuel, collectif et organisationnel, puis nous listons certaines conditions de succès et des défis à relever en la matière. Au moyen de ces stratégies de gestion accessibles, il paraît réaliste de faire de chaque milieu de travail un endroit où l’on peut tendre vers une expérience de travail saine et optimale. Fonctions : management, GRH
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.
Full frame distilled prediction
Teacher imitationNot 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.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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 it