Les émotions en actions : la mise en vigilance des policiers de primo intervention
Bibliographic record
Abstract
Le nombre dramatique de suicides chez les policiers depuis début 2019 a conduit le gouvernement et les syndicats de policiers à considérer les risques psychosociaux (RPS) dans ce secteur ainsi que ce phénomène suicidaire, comme des urgences nationales. Les métiers de primo intervention sur la voie publique comportent d’importantes exigences émotionnelles impliquant des émotions de valence et d’intensité variables. Pour faire face à ces exigences, les ressources individuelles et collectives des primo intervenants sur la voie publique ont intérêt à être explorées, conscientisées, verbalisées. Face au poids des exigences émotionnelles, quelles sont les ressources dont disposent les policiers ? Quel est le rôle des instances de formations, du management et de la Gestion des Ressources Humaines (GRH) dans l’intégration, la mobilisation, et le développement de leurs compétences émotionnelles ? Cette recherche explore et définit une notion absente dans la littérature en comportements organisationnels : la mise en vigilance, et explicite le rôle des instances de formations des corps d’encadrement et de direction dans l’élaboration managériale de zones de régulation du travail et de préparation cognitive et physique à l’action, en situation de travail. Nos résultats soulignent la nécessité de reconnaissance des exigences émotionnelles du travail, facteurs de RPS, par les professionnels de la fonction RH et les fonctions de management, ainsi que la préservation de la santé des effectifs et la sécurité d’intervention, en permettant aux policiers de pratiquer et d’affûter cette indispensable ressource individuelle et collective qu’est la mise en vigilance.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.004 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".