MétaCan
Menu
Retour à la cohorte
Enregistrement W2556549975 · doi:10.7202/1037662ar

Analyse des composantes de la charge de travail perçue par les cadres dans un contexte de gestion des compétences

2016· article· fr· W2556549975 sur OpenAlexvenueno aff
Narjes Sassi, Hazem Ben Aissa

Notice bibliographique

RevueRelations industrielles · 2016
Typearticle
Languefr
DomaineSocial Sciences
ThématiqueEducation, sociology, and vocational training
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

La gestion des compétences est, de nos jours, largement utilisée dans les grandes entreprises françaises qui cherchent, par ce biais, à s'assurer une meilleure performance et un maintien de l'employabilité de ses salariés (Dietrich et al., 2010; MEDEF, 1998). En dépit de ses avantages (autonomie, requalification des salariés, progression de carrière), la gestion des compétences est aussi associée à certains risques psychosociaux (Bouteiller et Gilbert, 2005; Reynaud, 2001). En effet, ce modèle véhicule une transformation du travail — en particulier pour les cadres — puisque les pratiques inhérentes peuvent générer une charge de travail supplémentaire (rapports fréquents à effectuer, évaluations stressantes, exigences comportementales). L'objectif de cet article est donc de caractériser les composantes de la charge de travail perçue par les cadres d'entreprises qui pratiquent la gestion des compétences. Une étude qualitative exploratoire, s'appuyant sur des entretiens semi-directifs, a été menée à cet effet. Les résultats montrent que, dans des entreprises ayant adopté une gestion des compétences, la charge de travail perçue par les cadres se compose de trois paramètres « réformés » (rapport au temps de travail, rapport aux exigences du poste, rapport aux autres) et d'un nouveau paramètre (rapport aux exigences de maintien et de développement des 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 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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,054

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,002
Communication savante0,0040,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,167
Tête enseignante GPT0,383
Écart entre enseignants0,216 · 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'étudeObservationnel
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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRelations industriellesMême sujetEducation, sociology, and vocational trainingTravaux en français237 207