La charge de travail dans le milieu policier québécois en contexte de pandémie de COVID-19
Bibliographic record
Abstract
Cet article vise à identifier, en contexte de pandémie de COVID-19, les contraintes et les ressources présentes dans le quotidien des policiers patrouilleurs et policières patrouilleuses au Québec. À cette fin, des entrevues semi-dirigées ont été conduites en 2020, en mode visioconférence, auprès d’une population (n= 20) d’un service de police de l’une des plus grandes villes québécoises. Les résultats de cette étude ont montré que les contraintes soulevées dans le quotidien de la population policière, comme la transformation du travail, l’ajustement des horaires et la réorganisation des équipes ont des impacts sur leur santé psychologique au travail et sur leur bien-être, à savoir un stress professionnel et des problèmes de conciliation travail-famille. Également, l’étude a conclu que la population à l’étude dispose d’un large éventail de ressources catégorisées en quatre types IGLO (Nielsen et collab., 2017), c’est-à-dire des ressources individuelles (expériences de travail, bagage personnel, formation et compétences et aussi soutien familial), des ressources de groupe (cohésion d’équipe et soutien social), des ressources de leadership (reconnaissance des supérieurs) et des ressources organisationnelles (filtrage des appels). De même, cette étude a montré que les policiers et policières s’appuient sur des stratégies d’adaptation pouvant être individuelles (techniques de travail personnalisées, stratégies défensives) ou des stratégies collectives (entraide entre les équipes). Des limites et des contributions pratiques sont soulignées en conclusion de l’étude.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.014 | 0.005 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.009 | 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".