L’examen méthodique d’un geste de métier pour une prévention durable des TMS : une intervention en clinique de l’activité
Bibliographic record
Abstract
L’intervention sur laquelle s’appuie cet article a été initiée par un service de médecine préventive qui souhaite étendre ses actions de prévention durable des TMS. Elle a été conduite selon les principes méthodologiques de la clinique de l’activité dans la perspective d’ouvrir les corps porteurs de douleurs déclarées sur un autre destin que celui de la réalisation de la pathologie. Les observations prolongées et répétées des activités concrètes de travail transforment les sujets observés en observateurs de leur activité. Le cadre des autoconfrontations simples et croisées a pour fonction de soutenir les efforts d’élaboration des professionnels à partir de dialogues entre eux. Les controverses professionnelles qui trouvent parfois à s’y réaliser enrichissent les connaissances et l’expertise de chacun dans le métier. Cet article souhaite interroger les ressorts méthodologiques de la prévention des TMS en posant, notamment, la question du protagoniste de la prévention ou encore celle, associée, de la place du collectif de métier comme ressource potentiellement durable d’une démarche préventive. Dans une telle perspective, les efforts de l’intervenant portent sur les méthodes à engager pour conduire les professionnels à se confronter, dans des cadres appropriés, à d’autres réalisations gestuelles au sein d’un collectif envisagé comme instrument psychologique de développement de leur activité.1
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 | 0.067 | 0.091 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.005 | 0.010 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.003 | 0.007 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.014 | 0.003 |
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".