MétaCan
Menu
Retour à la cohorte
Enregistrement W2506001643 · doi:10.7202/1036608ar

La diffusion de l’instrumentation de la gestion des compétences en Amérique du Nord depuis David C. McClelland

2016· article· fr· W2506001643 sur OpenAlexaffvenue
Dominique Bouteiller, Patrick Gilbert

Notice bibliographique

RevueRelations industrielles · 2016
Typearticle
Languefr
DomainePsychology
ThématiqueCompetency Development and Evaluation
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Cet article s’intéresse aux prédicteurs de laperformance utilisés dans les organisations pour gérerleurs ressources humaines. Il amorce la réflexion à cetteétape charnière que fut la publication, en 1973, del’article de David McClelland préconisant l’usage ducritère de la compétence plutôt que celui del’intelligence dans les processus de sélection.L’article tente de tracer le devenir de ce nouveauprédicteur jusqu’à nos jours et d’explorer dequelle façon la théorie des compétencess’est traduite en modèles appliqués dans le mondeprofessionnel. Basé sur une analyse de la littératurenord-américaine, ainsi que sur des études de cas enentreprise (n=150), l’article montre le passage progressifd’une approche « inductive »,inspirée de la démarche scientifique et basée surdes analyses approfondies du travail et descompétences-clés, à une démarche« déductive » basée surl’usage de dictionnaires de compétences,déjà formatés et répondant aux exigences dela pratique. Si la façon d’y parvenir est trèsdifférente, l’objectif est le même : obtenir unréférentiel de compétences traduisant le mieuxpossible les exigences de l’emploi et permettant de reconfigurerplusieurs pratiques en gestion des ressources humaines, telles que lasélection, la formation ou la gestion des carrières. Dansles faits, bon nombre d’entreprises ont pris l’habituded’utiliser simultanément et encomplémentarité les deux approches dans une formehybride. Le recours aux dictionnaires permet de dégagerl’espace des possibles et d’identifier rapidement lescompétences les plus critiques dans un cadre participatifdestiné à faciliter l’appropriation de ladémarche. Le travail plus analytique sur certainescompétences, à l’aide des entrevues baséessur les comportements, facilitera la validation de certaines opinionsà priori. À travers ce parcours, les auteurs soulignentles enjeux qui accompagnent le passage d’une théorieà son application pratique. En conclusion, ils se demandent sile « pari » de McClelland a ététenu et soulèvent la question des prédicteurs àvenir, en signalant plus particulièrement le concept de talentqui tend actuellement à remplacer celui de compétence.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,026
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,566
Score d'incertitude au seuil0,873

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,026
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,006
Études des sciences et des technologies0,0020,002
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,032
Tête enseignante GPT0,310
Écart entre enseignants0,279 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations6
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRelations industriellesMême sujetCompetency Development and EvaluationTravaux en français237 207