Proposition d’un modèle regroupant l’ensemble des facteurs favorisant le bien-être des gestionnaires financiers à partir d’une revue de la littérature
Bibliographic record
Abstract
Le bien-être des gestionnaires est un sujet d’actualité au vu de l’influence de ces gens sur un grand nombre de personnes ainsi que sur les enjeux sociaux, économiques et politiques en cause. Nous souhaitons établir les facteurs le favorisant. Certains travaux antérieurs ont fourni des pistes de réponse en s’intéressant aux éléments suivants : facteurs de stress chez les gestionnaires et moyens qu’ils peuvent déployer pour contrer le stress; mesures qu’ils peuvent mettre en place pour atténuer les conflits travail-famille; effet modérateur du bien-être affectif relié à l’emploi des gestionnaires et de leur satisfaction d’emploi; et bien-être au travail, facteurs le favorisant ainsi que stratégies atténuant les compromis entre les différentes facettes du bien-être et favorisant des synergies entre elles. Toutefois, certains résultats de la littérature présentaient des contradictions avec des travaux antérieurs et aucun ne présentait selon nous un cadre exhaustif des facteurs favorisant le bien-être des gestionnaires. Nous avons pu établir deux facteurs supplémentaires favorisant le bien-être psychologique : le niveau de personnel et la technologie. Les gestionnaires œuvrant dans le domaine financier peuvent donc favoriser leur bien-être sous trois dimensions : psychologique, physique ou sociale. Une amélioration aux enjeux de stress et de santé mentale en milieu de travail profiterait à la société et permettrait de rejoindre de nombreuses personnes, d’où la contribution pratique de notre recherche.
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.003 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.029 | 0.004 |
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".