La genèse organisationnelle de la souffrance au travail : cadrage conceptuel
Bibliographic record
Abstract
Les employeurs se montrent de plus en plus préoccupés par le bien-être au travail du personnel pour diverses raisons. Les conséquences négatives associées au mal-être au travail alimentent cet intérêt pour la question, au nombre desquelles sont recensés l’absentéisme et le présentéisme, la diminution de la performance organisationnelle, une hausse des conflits en milieu de travail ainsi que de mauvaises relations avec la clientèle et une augmentation du taux de roulement. Or, avoir la volonté d’améliorer le bien-être au travail nécessite une réflexion profonde sur les sources de la souffrance au travail. Le présent article propose, sur la base de la littérature existante en la matière, de se doter d’un cadre conceptuel pour mieux cibler et comprendre ces sources de souffrance. Il s’efforce donc de mettre en évidence les facteurs organisationnels contribuant à la souffrance au travail. Bien que non exhaustives, les sources de souffrance variant en fonction des individus, l’analyse de quatre catégories de facteurs se veut féconde : l’organisation du travail, les conditions de travail, les relations interpersonnelles et le déséquilibre entre les contributions et les rétributions. C’est en décelant les facteurs de souffrance en milieu de travail que les responsables des ressources humaines en organisation pourront déployer des pratiques de gestion favorisant le bien-être.
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 | 0.004 | 0.004 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.003 |
| Science and technology studies | 0.003 | 0.014 |
| Scholarly communication | 0.008 | 0.008 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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".