Une approche centrée sur la personne pour l’analyse des facteurs de stress liés à la pandémie de COVID-19
Bibliographic record
Abstract
Introduction La pandémie de COVID19 et les effets du confinement qui en ont découlé ont eu un effet néfaste sur la situation sociale, professionnelle et financière des individus. En adoptant une approche centrée sur la personne pour la recherche d’information et l’analyse des données, nous avons cherché à définir des classes (ou segments) d’employés ayant des configurations spécifiques de réponses relatives à plusieurs facteurs de stress liés à la pandémie. Nous avons également étudié leurs facteurs de risque et de résilience en lien avec l’appartenance à ces classes. Méthodologie Nous avons analysé les données de 4 277 employés ayant répondu à un sondage éclair en août 2020, au moyen d’une analyse de classes latentes pour définir les groupes d’employés ayant des modèles spécifiques de réponses à propos de six facteurs de stress liés à la pandémie. Nous avons également effectué une analyse de régression logistique multinomiale pour explorer les liens entre plusieurs facteurs de risque et de résilience (dont l’âge, le sexe et le soutien organisationnel perçu) et l’appartenance à ces classes, puis nous avons comparé les niveaux de santé mentale autodéclarée dans ces classes émergentes. Résultats Les données ont révélé quatre classes d’employés : « adaptation », « en tension », « avec insécurité » et « en grand stress » (formant respectivement 30 %, 35 %, 21 % et 14 % de l’échantillon). Tous les facteurs de risque et de résilience ont été évalués en lien avec le fait d’appartenir à la classe « adaptation » plutôt qu’aux autres classes. De plus, les employés de la classe « adaptation » ont présenté un meilleur niveau de santé mentale autodéclarée par rapport aux autres. Conclusion Grâce à l’obtention de classes d’employés avec des configurations spécifiques de facteurs de stress liés à la pandémie ainsi que des niveaux de santé mentale autodéclarés et des facteurs de risque différentiels, cette étude offre un point de départ pour éclairer les interventions en contexte professionnel visant à aider les employés les plus vulnérables aux facteurs de stress liés à la pandémie à faire face efficacement à ces derniers.
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 | 0.050 | 0.129 |
| Meta-epidemiology (narrow) | 0.002 | 0.002 |
| Meta-epidemiology (broad) | 0.003 | 0.008 |
| Bibliometrics | 0.006 | 0.007 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.008 | 0.006 |
| Open science | 0.004 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.028 | 0.006 |
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".