Comment et pourquoi : proposition d’un modèle d’évaluation des processus de la phase de développement d’interventions ergonomiques
Bibliographic record
Abstract
Les interventions ergonomiques évaluées par la méthode expérimentale apparaissent très simplifiées lorsqu’elles se limitent à des solutions standardisées fournies à un grand nombre de travailleurs. Ces interventions diffèrent grandement des interventions réalisées sur le terrain par des ergonomes, qui mènent une démarche participative complexe et étroitement adaptée au contexte d’une entreprise. Dans ces interventions complexes, un nombre important d’actions précèdent l’implantation de modifications spécifiques, mais ces actions sont rarement évoquées dans les évaluations. L’objectif de cet article est de présenter le cadre méthodologique d’une évaluation des processus de la phase de développement d’interventions ergonomiques réelles, soit celle qui précède l’implantation des modifications du travail. Le recueil de données quantitatives et qualitatives colligées à différents moments de l’intervention grâce à un journal de bord, des analyses documentaires et des entrevues semi-dirigées sont proposés. Ce modèle d’évaluation des processus devrait permettre de mieux comprendre les actions ayant mené aux modifications dans certains contextes et pouvant représenter l’aspect transférable de l’intervention à des interventions futures réalisées dans des contextes similaires.
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 | 0.072 | 0.164 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.004 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.010 | 0.011 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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".