Cocktails explosifs et technostress : une analyse de profils à risque d’épuisement professionnel
Bibliographic record
Abstract
L’omniprésence des TICS en milieux de travail a radicalement transformé l’organisation tout en favorisant l’émergence de risques psychosociaux soit le technostress. Cette incapacité de l’individu à s’adapter aux technologies informatiques en milieu organisationnel constitue un risque supplémentaire pour la santé de certains professionnels et un enjeu organisationnel, quant à l’efficacité du capital humain d’une organisation. En concomitance avec les stresseurs typiquement associés au milieu de travail, le technostress s’ajoute aux problèmes de santé psychologique tel que l’épuisement professionnel, tout en y contribuant. Particulièrement dans le milieu juridique, on rapporte un état d’épuisement émotionnel et mental résultant de l’évolution constante de la technologie et des exigences de la profession qui en découle. Fondé sur les modèles explicatifs du stress psychologique sur l’approche transactionnelle, le cadre conceptuel de l’étude prévoit d’examiner les antécédents du technostress qui exacerbe l’épuisement professionnel. Dans ce cadre, les questions de recherche étudiées sont : existe-t-il des cocktails explosifs de conditions, de travail et hors travail, susceptibles de contribuer à exacerber le technostress? Si oui, quelles sont ces conditions et quel est le lien qui les unit au technostress et à l’épuisement professionnel chez les juristes canadiens? L’objectif de l’étude est d’identifier les profils de conditions de travail et hors travail qui exacerbent l’épuisement professionnel par le technostress. Face au contexte sociétal de transformations numériques et de télétravail imposé, les résultats permettront d’aiguiller les interventions réalisées auprès de juristes qui correspondent aux profils identifiés. À partir des données tirées d’une étude quantitative réalisée auprès de juristes canadiens (n=5 771), l’affiche présente les résultats préliminaires de la recherche. Le recours aux analyses de segmentation et de médiation permet de cerner ces cocktails explosifs de conditions susceptibles de contribuer à exacerber le technostress et conduire à l’épuisement professionnel.
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 | 0.002 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 0.001 |
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".