Les liens entre la rémunération intangible, les attentes au travail et l’intention de quitter : une étude quasi expérimentale
Notice bibliographique
Résumé
Cette recherche a deux objectifs principaux. Le premier est d’examiner l’impact de la rémunération intangible sur l’intention de quitter. Le second est d’étudier le rôle modérateur des attentes au travail sur la relation entre la rémunération intangible et l’intention de quitter. En s’appuyant sur un recensement des écrits ainsi que sur la théorie du signal et la théorie de l’échange social, il est postulé que la rémunération intangible diminue l’intention de quitter et que les attentes au travail modèrent cette relation. Les données utilisées proviennent d’une étude, quasi expérimentale à deux facteurs, menée auprès de 318 étudiants au premier cycle d’une école de gestion d’une grande université canadienne. La rémunération intangible est mesurée par deux facteurs, à savoir 1- la reconnaissance, et 2- la formation et le développement. Les résultats indiquent que la rémunération intangible a un impact significatif sur l’intention de quitter. Spécifiquement, la reconnaissance et la formation et le développement diminuent l’intention de quitter. Pour leur part, les attentes au travail sont mesurées par deux facteurs, à savoir 1- l’accomplissement au travail, et 2- conciliation vie personnelle et vie professionnelle. Les résultats indiquent que seules les attentes en matière d’accomplissement au travail modèrent la relation négative entre la formation et le développement et l’intention de quitter. Cette étude se termine en discutant les résultats, ses préconisations managériales et propose des pistes de recherches futures.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,000 |
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.
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 tête enseignante, 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 ».