Savoir utiliser les médias sociaux pour recruter le personnel
Notice bibliographique
Résumé
Résumé On observe actuellement sur le marché du travail des phénomènes de pénurie de main-d’œuvre, de pénurie de compétences et de rareté de compétences. Pour les entreprises, cela complique de plus en plus le recrutement des candidats dont elles ont besoin pour répondre à leurs besoins parfois très spécialisés. Afin de contrer cette situation, de nombreux recruteurs choisissent une approche plus efficiente consistant à soigner le positionnement d’employeur en vue d’attirer surtout les candidats passifs ayant déjà un emploi. Ainsi, plus l’entreprise est connue et suscite l’intérêt, plus elle reçoit de candidatures spontanées et moins elle a besoin d’investir dans le recrutement. Dans ce contexte, les médias sociaux – les réseaux professionnels comme LinkedIn, les réseaux sociaux comme Facebook et le microblogage comme Twitter – permettent à l’organisation de mettre en œuvre différents plans d’attraction des candidats, selon le niveau de pénurie ou de rareté des profils qu’elle cible. Les stratégies de recrutement doivent cependant être davantage personnalisées afin de témoigner au candidat l’intérêt pour lui, pour ses compétences et pour sa contribution potentielle à l’organisation. Ainsi, cet article donne des conseils aux recruteurs pour diffuser efficacement dans les médias sociaux les atouts de l’entreprise et les caractéristiques du poste. Ils pourront de cette façon mieux séduire les candidats en leur proposant l’emploi qui convient à leur profil de carrière et à leurs compétences.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
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 ».