Quand l’organisation empêche un travail de qualité : étude de cas
Bibliographic record
Abstract
Les problèmes de santé au travail trouvent souvent leur origine au cœur même de l’activité des opérateurs. L’intensification du travail, l’augmentation des contraintes, de la charge de travail physique, mentale et psychique et des injonctions contradictoires conduisent les salariés à faire des choix qui ne les satisfont pas toujours, pouvant être à la genèse de RPS et de TMS. Ce qui est en jeu c’est la qualité de leur travail, qui les rend uniques, qui les identifie comme de « bons professionnels » aux yeux des collègues, des clients et de la hiérarchie. Lorsque l’organisation empêche les opérateurs de faire du « bon travail », les risques sont des atteintes à leur santé physique et psychique. À partir d’une intervention dans le milieu bancaire, nous essaierons de montrer comment une réorganisation peut conduire les opérateurs à amputer une part « qualitativement significative » de leur activité et avoir des conséquences négatives sur le travail et la santé. Les perspectives ergonomiques envisageables en pareil cas sont d’agir sur l’organisation du travail.
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 | 0.010 | 0.025 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.005 | 0.006 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.010 | 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".