Bibliographic record
Abstract
Plusieurs études montrent que le stress vécu par les travailleurs et les étudiants est de plus en plus présent au point de devenir une préoccupation de santé publique. Cette problématique serait notamment causée par l’augmentation des demandes sur le système cognitif (p. ex., lorsque plus de tâches doivent être effectuées en moins de temps). Comme les ressources cognitives sont limitées, il semble primordial d’identifier des façons de les restaurer et ainsi d’éviter qu’elles s’épuisent. L’exposition à la nature est reconnue pour améliorer l’humeur, les symptômes d’anxiété et la performance à plusieurs tâches attentionnelles. Cette recension des écrits a donc pour objectif de présenter comment la nature peut exercer une influence positive sur le système cognitif pour encourager son intégration dans les milieux de travail ou scolaires afin de diminuer le stress vécu par les travailleurs et étudiants. La façon dont la nature peut entraîner un impact positif sur l’attention et les principales théories qui expliquent ce phénomène sont d’abord présentées. Une nouvelle vision des processus qui sous-tendent cet impact est brièvement soulevée. Enfin, les méthodes d’exposition réelles et artificielles sont présentées et comparées en fonction de leur capacité à optimiser les bénéfices sur le système cognitif dans les milieux de travail. Note 03/01/2021 : L'article a été retiré et une nouvelle version est accessible dans la Revue québécoise de psychologie. Marois, A. (2020). Restauration cognitive par la nature : vers une intégration dans les milieux professionnels et scolaires. Revue québécoise de psychologie, 41(3), 1-22. Lien pour accéder à la nouvelle version : https://oraprdnt.uqtr.uquebec.ca/pls/public/rqpw001.afficher_revue?owa_bottin=&owa_contexte=%241935-50&owa_membre_par_adresse_IP=N&owa_annee=2020&owa_volume=41&owa_recherche=&owa_tri=&
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".