Instagram : une nouvelle avenue pour documenter et influencer la santé et sécurité au travail
Bibliographic record
Abstract
Les médias sociaux sont omniprésents dans la culture actuelle, et le milieu de la santé et sécurité au travail (SST) n’y fait pas exception. Utilisée pour documenter divers phénomènes sociaux, la plateforme Instagram permettrait une collecte de données autrement difficiles d’accès dans des contextes où les observations terrain sont difficiles, par exemple lors d’interventions d’urgence. Malgré le nombre limité d’études portant sur cette plateforme, particulièrement lorsqu’elles sont appliquées aux premiers répondants, les recherches démontrent différents avantages liés à l’utilisation des réseaux sociaux dans un contexte de prévention et de promotion de la SST. Cet article vise à identifier les opportunités que représente la plateforme Instagram à des fins de prévention et de promotion de la SST, et à explorer les potentielles limites de son utilisation dans le monde du travail. De plus amples recherches sont nécessaires tant sur le plan méthodologique que de l’utilisation afin d’encadrer cette nouvelle approche.
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 | 0.012 | 0.023 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.010 | 0.011 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.030 | 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".