Démarche multidisciplinaire appliquée à l’analyse d’une activité dans un environnement dynamique : la conduite de véhicules légers à La Poste pour la distribution du courrier et des colis
Bibliographic record
Abstract
Activité complexe différente de la conduite personnelle, la conduite professionnelle de véhicules légers prend une importance croissante dans le secteur de la livraison/messagerie confronté aux nouveaux modes de consommation. Peu étudiés, les risques pour la santé autres que les accidents de la route ont été approchés dans une étude exploratoire multidisciplinaire menée en collaboration avec le groupe La Poste. Son objectif a été d’explorer, en situation de travail, les différentes composantes de l’activité de distribution de courrier/colis, et particulièrement l’activité de conduite comme partie structurante de l’activité de distribution. La démarche méthodologique alliant des analyses ergonomiques et une approche médicale a mis en évidence des contraintes ainsi que des plaintes en relation principalement avec les caractéristiques des tournées de distribution. Ces résultats ont permis d’orienter la construction d’une étude épidémiologique visant à analyser les facteurs de risque spécifiques à la conduite de véhicules légers dans les activités de distribution.
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 | 0.016 | 0.024 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.006 | 0.005 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.008 | 0.004 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".