Les ratios financiers liés aux ressources humaines
Notice bibliographique
Résumé
Résumé La mesure réalise une percée dans les services des ressources humaines à la suite de pressions que ceux-ci subissent de leurs directions générales, qui recherchent l’efficience et l’efficacité. Cet article rend compte d’une étude effectuée au sein des grandes banques canadiennes, portant sur cinq ratios financiers RH compilés sur une période de 10 ans, soit la rémunération moyenne par personne, les revenus par personne, les bénéfices avant impôts par personne, les coûts de la main-d’œuvre en proportion des revenus et le rendement de l’investissement en capital humain. Le secteur bancaire présente un intérêt particulier car il emploie 249 000 personnes au Canada et 36 750 à l’étranger et il totalisait 12 milliards de dollars de bénéfices en 2005. Observer à travers des ratios la gestion du capital humain qui produit de tels résultats financiers nous paraît digne d’intérêt. L’étude donne des résultats fort surprenants : bien que les banques étudiées aient une réglementation identique, un accès aux mêmes marchés du travail et une politique macroéconomique semblable, leurs ratios financiers RH prennent des valeurs différentes, dans le temps et entre les banques. Cela nous amène à penser que, même si beaucoup de choses sont «égales d’ailleurs» dans le secteur des grandes banques canadiennes, celles-ci gèrent leur capital humain de manière assez différente, d’où l’intérêt pour les professionnels des ressources humaines de suivre l’évolution de ces ratios dans leur propre organisation.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,005 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».