Prise en charge pluridisciplinaire des risques psychosociaux : un premier état des lieux auprès des médecins du travail, des inspecteurs du travail et des psychologues du travail
Bibliographic record
Abstract
Alors que le cadre législatif et réglementaire actuel tend à encourager les pratiques pluridisciplinaires et que les différents préventeurs se plaignent de charges de travail trop importantes et d’isolement, le travail pluridisciplinaire s’impose comme solution. L’objectif de cette étude est de comprendre comment, face à l’émergence des risques psychosociaux (RPS), favoriser la pluridisciplinarité entre inspecteurs du travail, médecins du travail et psychologues du travail en étudiant les représentations qu’ont les uns sur les missions des autres dans la prévention des RPS. Trente-deux préventeurs ont répondu à une demande pouvant être rencontrée en entreprise sous forme de « cas en matière de prévention des RPS ». L’analyse qualitative des réponses montre que non seulement les différents préventeurs définissent les RPS de manière différenciée entre les métiers, mais de plus, ils méconnaissent les pratiques de prévention des uns et des autres, ce qui met en évidence des freins à la prise en charge pluridisciplinaire des RPS. Ces résultats permettent de dresser quelques pistes pour favoriser la prévention pluridisciplinaire, puisque celle-ci est souvent évoquée tant dans la littérature que dans les textes de lois comme étant la plus efficace pour prendre en charge les risques professionnels.
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 | 0.012 | 0.025 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.008 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.009 | 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".