Des directions d’établissements d’enseignement sont épuisées. Pourquoi ?
Bibliographic record
Abstract
L’épuisement professionnel est un syndrome généré par du stress chronique au travail qui entraîne des conséquences néfastes pour la santé psychologique et physique des individus. Très étudié chez des populations d’enseignants et chez le personnel de la santé, à notre connaissance, peu de revues systématiques de la documentation ont porté sur les facteurs de risque de l’épuisement professionnel chez les directions d’école. L’objectif de cette recherche est de colliger les connaissances sur l’épuisement professionnel auprès de cette population à partir de l’instrument de mesure Maslach Burnout Inventory (MBI) afin de guider la recherche future et éventuellement mettre en place des interventions visant à prévenir le développement de ce syndrome chez cette population. Parmi les 552 articles initialement identifiés dans les bases de données, l’équipe de recherche en a retenu 15 pour cette revue systématique, en considérant les critères d’inclusion. Les facteurs de risque et de protection recensés sont nombreux. Cette revue systématique discute de huit facteurs individuels et cinq facteurs situationnels. Ces facteurs de risque et de protection observés dans d’autres types de populations peuvent également s’appliquer aux directions d’école. De plus, des facteurs jamais étudiés auparavant ont démontré une association avec l’épuisement professionnel chez cette population.
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 | 0.035 | 0.077 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.012 | 0.017 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.003 | 0.007 |
| Insufficient payload (model declined to judge) | 0.014 | 0.005 |
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".