Finance et ressources humaines : «la grande séduction»!
Notice bibliographique
Résumé
Résumé Lorsque les analystes financiers de Wall Street ou d’ailleurs évaluent le potentiel d’une entreprise afin de conseiller aux investisseurs d’acheter ou de vendre, ils ne font pas très attention aux données sur le potentiel humain de cette entreprise. Quand on examine le rapport annuel d’une grande entreprise canadienne, on ne trouve pas vraiment de traces chiffrées de celui que pourtant les dirigeants désignent souvent comme «l’actif le plus important» de leur entreprise. Il y a plusieurs raisons à cela, mais il est possible que le service des ressources humaines soit en partie responsable de cette situation. Les mesures chiffrées en matière de gestion des ressources humaines ne manquent pas, mais elles sont trop souvent limitées à l’évaluation des activités du service, négligeant les résultats qu’elles produisent. Elles ne mesurent ni la valeur du potentiel humain, ni celle de l’actif le plus important. Dès lors, il n’est pas surprenant que ces mesures ne dépassent pas le cadre du service des ressources humaines lui-même. Cet article propose à ces services de mesurer six ratios financiers liés aux ressources humaines, c’est-à-dire des indicateurs mesurés en unités pécuniaires. Nous tentons de montrer que la mesure et le suivi de ces indicateurs permettront aux professionnels des ressources humaines de mieux piloter le capital humain de leur entreprise, de rendre plus visible la contribution de celui-ci à la création de valeur et de mieux jouer leur rôle de partenaire stratégique.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».