Modes de gestion dans les services communautaires. Effets sur les conditions de travail et les difficultés émotionnelles vécues par les intervenant·e·s au Québec
Bibliographic record
Abstract
Dans cet article, nous nous intéressons aux difficultés émotionnelles (DÉ) vécues par des professionnel·le·s au cours de la pandémie de la COVID-19 au Québec au sein de trois regroupements d’organisations communautaires œuvrant en santé mentale, en itinérance et auprès de personnes handicapées. Plus précisément, nous étudions les manifestations de burnout (BO), de stress traumatique secondaire (STS) et de détresse psychologique (DP) rapportées par les participant·e·s, tout en les comparant en fonction des modes de gestion rapportés, c’est-à-dire une gestion participative ou hiérarchique. Les analyses ont été produites à partir de données provenant de questionnaires remplis en ligne par près de 300 personnes. Les questionnaires comportaient 140 items, divisés entre une échelle sur les risques psychosociaux, une sur la qualité de vie professionnelle et une sur la DP. Nos résultats montrent des différences significatives entre les deux groupes de gestion pour le BO, mais non pas pour le STS ou la DP. Nous identifions ensuite des différences significatives entre les deux groupes pour différents facteurs liés aux conditions de travail, dont les demandes de cacher les émotions, la reconnaissance, la qualité du leadership et l’engagement envers le travail. Cela nous permet ensuite d’évaluer l’effet de protection ou de risque que jouent ces différents facteurs quant au BO. Nous voyons ainsi que les demandes émotionnelles élevées constituent un risque pour le BO, tout comme les enjeux liés à l’équilibre travail-famille. En revanche, le sentiment de justice organisationnelle et la satisfaction au travail étaient des facteurs qui protégeaient du BO.
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 | 0.002 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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 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".