MétaCan
Menu
Retour à la cohorte
Enregistrement W2062321017 · doi:10.3917/riges.363.0043

Embaucher et former le personnel au sein de grappes ou de pôles d'entreprises

2011· article· fr· W2062321017 sur OpenAlexvenueno aff
Denis Chabault, Annabelle Hulin

Notice bibliographique

RevueGestion · 2011
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueSocial Sciences and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesGynecologyPhilosophyMedicine

Résumé

récupéré en direct d'OpenAlex

Résumé Les grappes industrielles ou les pôles de compétitivité, qui sont des regroupements régionaux d’entreprises et/ou de centres de recherche sur une thématique industrielle donnée, sont considérés comme un fleuron de l’activité économique moderne. Toutefois, si leurs incidences positives sont maintenant reconnues, on ne sait pas encore très bien comment il faut gérer ces regroupements, et plus particulièrement en matière de gestion des ressources humaines (GRH), afin d’en optimiser les retombées. Cet article vise à analyser les particularités des pratiques d’embauche et de formation des ressources humaines dans les grappes industrielles et les pôles de compétitivité en France. Par la suite, nous donnons aux dirigeants, aux cadres et aux professionnels des conseils pour faire de la GRH un véritable levier d’amélioration de la performance et de la productivité des grappes industrielles et des pôles de compétitivité en France comme partout ailleurs. Fonctions : GRH, management, GOP, économie.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,574
Score d'incertitude au seuil0,940

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,082
Tête enseignante GPT0,311
Écart entre enseignants0,229 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGestionMême sujetSocial Sciences and GovernanceTravaux en français237 207