Bibliographic record
Abstract
RÉFÉRENCERôle de l'image opérative dans la saisie du contenu informationnel des signaux, Question de psychologie, p 209-224. NOTE DE L'ÉDITEURCet article a été originalement publié en portugais dans « Laboreal volume IX, no 1, 2013, pp 87-94.» 1 Dans cette livraison, nous commentons deux textes complémentaires présentant le concept d'image opérative élaboré par le psychologue russe Dimitri Ochanine et l'usage qui en a été fait dans la psychologie du travail et l'ergonomie en France.Le texte d'Ochanine, Rôle de l'image opérative dans la saisie du contenu informationnel des signaux, publié en 1969, dans le numéro 4 de la revue soviétique « Questions de psychologie » met en évidence les idées et la méthodologie de ce chercheur et l'importance de la structuration de l'image opérative dans la régulation de l'activité.Il a été traduit en français par son fils, Igor Ochanine, et publié avec d'autres articles en 1981 par le Centre d'éducation permanente du Département d'ergonomie et d'écologie humaine (Université de Paris I -Panthéon-Sorbonne) dirigé par le docteur Cazamian (1915Cazamian ( -2012)), dans un document intitulé L'image opérative.Le texte de Catherine Teiger, Présentation schématique du concept de représentation en ergonomie, paru dans un ouvrage collectif consacré à la diversité des analyses du travail en fonction des disciplines (Dadoy et coll., 1977), revient sur les caractéristiques de l'image opérative (finalisation, sélectivité, laconisme, déformation fonctionnelle) en mettant ce concept en lien avec les questions qui se posaient alors concernant le statut et l'analyse des représentations.L'image opérative de Dimitri Ochanine en contexte Perspectives interdisciplinaires sur le travail et la santé, 18-1 | 2016
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.010 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.007 | 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".