Développer des communautés de personnes pour manager la diversité en entreprise
Notice bibliographique
Résumé
Le but de cet article est de montrer comment la notion de communauté de personnes peut permettre d’éclairer la gestion de la diversité, notamment en ce qui a trait à l’intégration de la main-d’œuvre issue de l’immigration dans les organisations. Au niveau méthodologique, nous nous situons dans une épistémologie constructiviste pragmatique qui permet de construire des savoirs génériques. La fertilisation croisée de trois types d’informations (entrevues, autopraxéographie et données secondaires) a permis de montrer que des pratiques de gestion des personnes qui favorisent l’ouverture à l’autre par la mise en œuvre d’actions de tutorat, de coaching, de parrainage, de compagnonnage et d’activités liées à des comités sociaux à l’égard des immigrants permettent aux organisations d’obtenir un environnement inclusif. En retour, l’implication des personnes immigrantes favorise le partage interculturel. La prise de conscience des employeurs que l’immigrant est une personne, une individualité, un « je », mais aussi un « nous » puisqu’il partage des idées, des buts communs appartenant à la communauté (organisation) permet une meilleure intégration au sein de celle-ci. Ainsi, la communauté de personnes devient une communauté de partage des idées, des valeurs et des intérêts. Les savoirs, tels le savoir-faire, le savoir-être et le savoir-devenir, s’en trouvent bonifiés.
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 | 0,004 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 ».