Accompagner le retour au travail après un burn-out : représentations et pratiques des supérieurs immédiats
Bibliographic record
Abstract
Objectif Lors du retour au travail (RaT) après un arrêt maladie de longue durée, le supérieur immédiat a un rôle clef. Peu d’études ont examiné les pratiques d’accompagnement effectivement mises en oeuvre par ces acteurs dans le cadre spécifique du RaT après un burn-out. L’étude exploratoire présentée dans cet article vise 2 objectifs. Le premier est de décrire la diversité des pratiques d’accompagnement du RaT mises en oeuvre par les supérieurs immédiats. Le second est de décrire les représentations que les supérieurs immédiats ont du burn-out. Nous faisons l’hypothèse que la variabilité des pratiques d’accompagnement mises en oeuvre par les supérieurs immédiats est liée à leurs représentations du burn-out. Méthode Afin de décrire les pratiques d’accompagnement du RaT mises en oeuvre et les représentations du burn-out, des entretiens semi-directifs ont été menés auprès de 13 supérieurs immédiats volontaires. Ils ont tous été confrontés au moins une fois au cours de leur fonction à l’accompagnement du RaT d’un des membres de leur équipe ayant été arrêté pour burn-out (arrêt supérieur à un mois). Résultats Les résultats mettent en exergue 4 types de pratiques d’accompagnement du RaT dont un accompagnement minimal et un accompagnement collectif et progressif. Ils vont dans le sens de l’hypothèse générale en montrant un lien entre les types de pratiques d’accompagnement et les représentations du burn-out. Les représentations du burn-out des supérieurs immédiats permettent d’éclairer l’orientation, la signification et l’efficience des pratiques d’accompagnement. Conclusion Au niveau des implications pratiques, les résultats soulignent la nécessité de développer la formation des supérieurs immédiats sur le burn-out, ses causes et ses conséquences sur le RaT ainsi que sur la gestion des affects inhérents à l’accompagnement. Ils montrent également l’importance d’institutionnaliser des procédures et des dispositifs collectifs et collaboratifs d’accompagnement du RaT pour réduire les risques de stigmatisation et favoriser l’inclusion et le maintien en emploi.
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 | 0.005 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.000 |
| Science and technology studies | 0.003 | 0.005 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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".