The Role of Country and the Effectiveness of Compensation Strategies in Technology- Intensive Firms
Notice bibliographique
Résumé
Le but de cette étude est d'examiner le rôle du pays et de l'intensité technologique dans le choix des politiques de rémunération ainsi que l'influence de ces politiques sur la performance et le taux de roulement du personnel chez les entreprises à forte et faible intensité technologique. En utilisant les résultats d'une enquête réalisée auprès de 602 grandes entreprises dans trois pays différents (Canada, France, Angleterre), nous avons observé que le pays d'implantation de l'entreprise joue un rôle plus important que l'intensité technologique dans la compréhension des choix en matière de rémunération. Une deuxième enquête réalisée auprès de 128 entreprises canadiennes montre que plusieurs stratégies de rémunération sont mieux adaptées au secteur de la haute technologie qu'au secteur traditionnel. En effet, nous avons observé qu'un pourcentage de bonis annuels élevé ainsi qu'une importance accordée aux incitatifs collectifs étaient associés positivement à la performance de marché des entreprises à haute intensité technologique. Les résultats suggèrent également que l'utilisation intensive des programmes d'incitatifs individuels accroît le taux de roulement des entreprises à haute intensité technologique alors que l'utilisation des incitatifs de groupe réduit le taux de roulement.
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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 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 ».