Pratiques numériques dans l’accompagnement des personnes en reconversion professionnelle
Bibliographic record
Abstract
Le numérique induit de nouvelles formes d’activités et transforme les espaces de travail. Les relations qu’entretiennent les salariés s’en trouvent modifiées. Ce constat est d’autant plus prégnant dans les métiers de la relation à autrui. Nous nous sommes intéressés à l’accompagnement professionnel afin de répondre à la question : en quoi le numérique modifie-t-il l'accompagnement fondé sur la relation à autrui? On constate un manque de recherches scientifiques sur ce sujet, en particulier pour aborder la question de la posture des acteurs et des actrices face aux impacts du numérique sur leurs interactions. Notre étude miroir permettra d’interroger des accompagnantes et des bénéficiaires d’un dispositif dans le cadre du bilan de compétences. Nous avons mené des entretiens semi-directifs et nous avons analysé notre corpus en deux temps, grâce à Iramuteq complété par une grille d’entretien. Notre analyse est soutenue par les verbatim des répondantes et répondants. Même si le numérique est intégré dans les pratiques d’accompagnement, l’environnement de travail est rendu moins capacitant dans les relations humaines. Les accompagnantes trouvent des pratiques innovantes pour conserver une forme de proximité et les bénéficiaires adoptent une attitude facilitatrice.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.004 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.015 | 0.002 |
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".