Actions entreprises par les chefs d’équipe de la fonction publique en vue d’améliorer leurs compétences de gestion à la suite d’une évaluation de type multisource
Notice bibliographique
Résumé
Il est reconnu que toute organisation qui souhaite se développer se doit d’évaluer ses employés afin de rester compétitive, de viser l’amélioration continue, de permettre le développement des compétences de ses individus, de retenir, de motiver et de mobiliser ses troupes. Toutefois, la littérature fait état du fait qu’actuellement, les systèmes et outils d’évaluation des compétences ne fonctionnent pas ou n’atteignent pas leur plein potentiel, car les organisations éprouvent souvent des problèmes majeurs dans leur élaboration, leur utilisation et leur gestion, rendant ainsi l’atteinte des objectifs de départ extrêmement difficile, voire impossible. Au terme d’une consultation où 57 chefs d’équipe de la fonction publique québécoise se sont prononcés, les constats vont dans le sens que le système d’évaluation multisource utilisé donne des retombées positives. En effet, ces chefs font état de 153 actions concrètes qui ont été entreprises à la suite de la réception de leur feedback, et ce, en vue de l’amélioration de leurs compétences puis de leur organisation. Une catégorisation de ces actions a été effectuée, jetant ainsi les bases de la recherche future dans le domaine de la gestion et du développement des compétences dans le secteur public.
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 | 0,015 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,008 | 0,006 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,024 | 0,006 |
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 ».