Pour une défense collective face à la fatigue pandémique: l’urgence de renforcer les facteurs protecteurs
Bibliographic record
Abstract
Résumé:De nombreux articles publiés récemment ont laissé apparaître l'émergence d'un nouveau phénomène dans notre rapport avec la pandémie de COVID-19 : la fatigue pandémique. Ce phénomène suggère l'apparition d'une tendance générale de lassitude face aux mesures sanitaires et à l'état d'urgence devenu permanent. L'objectif de cet article est de replacer cet enjeu dans le contexte de la réalisation d'un projet de recherche portant sur les impacts psychosociaux durant la pandémie. Si relativement peu de recherches se sont intéressées à la fatigue pandémique, la réalité de ce phénomène a été mise en évidence dans le cadre d'un projet de recherche multi-annuelle effectuée durant la pandémie. En termes de méthode, notre équipe multidisciplinaire à l'Université de Sherbrooke a développé un protocole d'enquête permettant d'évaluer les effets de la pandémie de COVID-19 sur la santé mentale à travers des études transversales répétées. La dernière phase de l'enquête inclut un volet additionnel qui cherche à comprendre de quelle manière les conséquences de la pandémie peuvent s'appliquer à d'autres crises systémiques, notamment aux changements climatiques. Différentes vagues d'enquêtes nationales et internationales ont ainsi été réalisées (8 pays, taille minimale de l'échantillon 1000-1500 et échantillonnage par quota mis en oeuvre adapté à chaque pays et basé sur les données démographiques disponibles), et suivant l'évolution de la pandémie, nous avons introduit la notion de fatigue pandémique, ainsi que de fatigue climatique, afin de pouvoir mesurer l'impact de l'exposition prolongée à ces crises mondiales. Ces nouvelles données confirment nos résultats originaux : l'impact psychosocial de la pandémie est immense, en particulier en termes de fatigue pandémique, phénomène qui se retrouve à la fois au niveau comportemental et informationnel. Cette fatigue est un indicateur important à considérer afin d'améliorer notre capacité de réaction et d'adaptation à cette crise, mais également à celles futures.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.002 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
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 teacher head, 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".