Les risques psychosociaux du dirigeant de PME : typologie et échelle de mesure des stresseurs professionnels1
Bibliographic record
Abstract
Dans une approche multicritères du risque en PME, la santé du chef d’entreprise est rarement abordée. Or, plus l’entreprise est petite, plus son équilibre apparaît lié à celui de son dirigeant. La littérature demeure en particulier exsangue sur les facteurs de risques psychosociaux propres aux travailleurs non subordonnés, les principaux modèles explicatifs demeurant fondés sur les seuls salariés. L’objet de cet article est donc de proposer une première exploration des stresseurs de l’activité du dirigeant de PME. Pour ce faire, une enquête mixte a été conduite auprès de dirigeants de PME françaises (n = 357). Une phase longitudinale a catégorisé sémantiquement leurs événements professionnels perçus comme les plus négatifs. Une phase transversale a ensuite évalué l’intensité de stress associé aux événements vécus durant la phase longitudinale, et leur probabilité d’occurrence. Enfin une classification hiérarchique a été réalisée. Le résultat de cette étude est une typologie de 30 stresseurs du dirigeant de PME, qui se décompose en quatre classes principales. La rigueur méthodologique de cet inventaire de stresseurs le rend utile pour de futures recherches confirmatoires. Elle fournit également aux soignants, et aux dirigeants eux-mêmes, une échelle de mesure des principaux facteurs de risques pour la santé mentale.
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 | 0.006 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".