MétaCan
Menu
Back to cohort
Record W4413279626 · doi:10.7202/1118799ar

Enjeux et méthodes d’analyse des besoins de formation : le cas d’une formation pour la prévention des accidents

2024· article· fr· W4413279626 on OpenAlex
Sylvie Ouellet

Why this work is in the frame

A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.

affAt least one author lists a Canadian institution in the pinned OpenAlex snapshot.
venuePublished in a venue whose home country is Canada.

Bibliographic record

VenueRelations industrielles · 2024
Typearticle
Languagefr
FieldPsychology
TopicHuman Resource Development and Performance Evaluation
Canadian institutionsUniversité du Québec à Montréal
Fundersnot available
KeywordsPolitical science

Abstract

fetched live from OpenAlex

L’analyse des besoins est une étape considérée comme cruciale lors de la planification d’une formation. Il existe diverses méthodes pour identifier les besoins, sans qu’il y ait d’études pour les comparer au regard des informations obtenues et des coûts associés. C’est dans cette perspective qu’un projet a été réalisé dans le secteur des télécommunications pour vérifier l’apport de différentes méthodes de collecte de données dans un contexte de prévention des accidents lors du transport et de la manipulation d’échelles par des techniciens. Les méthodes comparées sont les rencontres individuelles avec des acteurs de la SST et de la formation (n : 13), les groupes de discussion avec des techniciens (3 groupes, n : 28), l’administration d’un questionnaire en ligne auprès de techniciens et l’analyse de l’activité de travail de cinq techniciens. Cette dernière méthode est souvent ignorée en formation en raison des coûts associés à sa réalisation. Une analyse comparative des méthodes a été effectuée relativement à la nature des informations obtenues. Les résultats montrent que les entrevues avec les acteurs en SST permettent de bien cerner la problématique à l’origine de la demande de formation. Les rencontres de groupe ainsi que le questionnaire ont surtout permis d’identifier les besoins de formation perçus et d’obtenir des informations sur les facteurs qui entrainent des difficultés dans le travail. Quant à l’analyse de l’activité de travail, elle est la méthode qui a fourni une plus grande compréhension du travail à réaliser et des facteurs sur lesquels il faudrait agir pour prévenir les accidents de travail. Elle a aussi mené à l’identification de situations de travail « critiques » et à la mise en mots de savoirs développés avec l’expérience qui pourraient être intégrés à la formation pour favoriser le transfert des apprentissages et la prévention.

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.

Full frame distilled prediction

Teacher imitation

Not 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.

metaresearch head score (Codex)0.003
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Other design · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.645
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0030.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.001
Science and technology studies0.0010.000
Scholarly communication0.0010.003
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0030.002

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.

Opus teacher head0.141
GPT teacher head0.395
Teacher spread0.254 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it