MétaCan
Menu
Retour à la cohorte
Enregistrement W2604866939 · doi:10.3917/grhu.103.0020

De la GRH instrumentale à la GRH partenariale : l’impact des stratégies territoriales

2017· article· fr· W2604866939 sur OpenAlexaff
Odile Uzan, Élise Bonneveux, Isabelle Bories-Azeau, Bérangère Condomines, Miguel Delattre, Benjamin Houessou, Annabelle Hulin, Anne Loubès, Nathalie Raulet‐Croset

Notice bibliographique

RevueRevue de gestion des ressources humaines · 2017
Typearticle
Languefr
DomaineBusiness, Management and Accounting
ThématiqueBusiness Strategy and Innovation
Établissements canadiensUniversité TÉLUQ
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Dans un contexte où la montée en puissance de la RSE et du territoire bousculent les modèles traditionnels de GRH, cet article vise à explorer l’hypothèse selon laquelle les stratégies territoriales mises en œuvre par les entreprises sont en lien, voire influencent les modalités de GRH qu’elles vont privilégier. Deux cadres théoriques sont mobilisés : l’analyse stratégique des entreprises et la RSE. A l’issue d’une recherche qualitative exploratoire menée auprès d’un échantillon de seize entreprises et sept acteurs territoriaux, trois principaux résultats émergent de ce travail. Premièrement, nous identifions trois types de stratégies territoriales que nous qualifions respectivement : « d’intégration symbiotique », de « différenciation territoriale » et « d’écosystémique », soulignant que la conception du territoire dans les modèles d’analyse stratégique évolue d’une conception instrumentale vers une conception responsable. Les résultats indiquent, deuxièmement, que les modèles de GRH évoluent également d’une GRH instrumentale vers une GRH responsable, et que cette évolution s’effectue en lien avec les stratégies territoriales adoptées par les entreprises de l’échantillon. Enfin, une typologie est proposée associant aux stratégies territoriales mises en évidence par la recherche, trois types de GRH : une « GRH vitale », une « GRH duale » et une « GRH responsable ».

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,271
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,003
Communication savante0,0060,004
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,044
Tête enseignante GPT0,282
Écart entre enseignants0,238 · 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 tête enseignante, pas un consensus.

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

Citations16
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue de gestion des ressources humainesMême sujetBusiness Strategy and InnovationTravaux en français237 207