Conception des équipements de travail et prévention des TMS Complémentarités et points d’ancrage des démarches
Bibliographic record
Abstract
Après un bref rappel sur les démarches de prévention des TMS et de conception des équipements de travail, cet article présente dans un premier temps les difficultés constatées vis-à-vis de leur articulation. Il propose ensuite des « points d’ancrage » pour accompagner, dans un cadre participatif et multidisciplinaire, les temps de recherche de solutions et de décisions. Les interactions ainsi obtenues favorisent le partage des référentiels et explicitent les processus de décision. Elles fonctionnent à l’identique d’un « moteur méthodologique » qui implante la problématique des TMS à chaque séquence de la conception.Cette approche doit permettre aux petites et moyennes entreprises (PME) de trouver des réponses à leurs besoins en matière de prévention des TMS très en amont dans le processus de conception d’un équipement de travail. Elle contribue en effet à une meilleure compréhension des leviers favorisant la prise en compte des TMS et à l’élaboration de nouvelles références d’actions vis-à-vis du processus de conception.
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 | 0.015 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.004 | 0.013 |
| Scholarly communication | 0.011 | 0.010 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.009 | 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".