Contribution à un modèle explicatif de la charge de travail : le cas du service à la clientèle
Bibliographic record
Abstract
La rapidité des changements qui s’opèrent dans les organisations engendre une intensification du travail qui se traduit par une augmentation de la charge de travail. La littérature scientifique identifie de plus en plus clairement la charge de travail comme un facteur de risques dont les répercussions affectent les individus et les organisations. Bien que les connaissances actuelles portant sur la charge de travail permettent de quantifier des conséquences humaines ou organisationnelles, elles sont difficiles à utiliser pour agir dans l’amélioration des situations de travail. Cet article a pour objectif de contribuer à la modélisation de la charge de travail dans sa globalité et sa complexité à l’intérieur de la dynamique de l’individu, de son activité professionnelle et de son contexte organisationnel. Elle vise à définir des composantes de la charge de travail et à cerner des facteurs qui l’influencent directement ou indirectement à partir de situations de travail réelles. Une recherche terrain s’est déroulée dans une organisation du secteur de l’assurance auprès de préposés au service à la clientèle en privilégiant des observations, des entretiens individuels et de groupe. Les activités réelles de travail des préposés ont été analysées en privilégiant le modèle de l’activité réelle de travail tel qu’utilisé en ergonomie. Cinq facteurs dynamiques de la charge de travail émergent de la recherche et ils permettent de réviser et d’enrichir un modèle explicatif de la charge de travail.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.004 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 0.002 |
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".