Développer le travail d’organisation pour transformer l’organisation du travail
Bibliographic record
Abstract
Cet article présente une méthodologie d’intervention visant à agir sur l’organisation du travail dans un contexte de système de production lean manufacturing. Pour répondre aux demandes de plusieurs entreprises industrielles connaissant des problèmes de troubles musculosquelettiques et de stress, pendant ou à l’issue de l’implantation d’une organisation lean, nous avons dû concevoir une nouvelle méthodologie d’intervention. Notre cadre théorique fera appel aux concepts de travail d’organisation et de développement de l’activité. Ces dernières nous ont permis d’identifier des dispositifs organisationnels du lean qui, dans les situations de travail, ont des effets paradoxaux sur la santé. Ces revues nous ont également donné la possibilité d’aborder les mécanismes qui conduisent à l’apparition de ces paradoxes. La dimension d’amélioration continue du lean manufacturing et cette ambivalence de certains dispositifs nous a conduits à nous poser des questions sur les actes qui construisent cette organisation, c’est-à-dire au travail d’organisation. Après avoir présenté cette méthodologie d’intervention pour développer le travail d’organisation, nous verrons que de nouvelles questions de recherche apparaissent, ouvrant la voie à de futures recherches-interventions.
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 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.006 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 0.003 |
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".