Outil de diagnostic et de prévention de l'insatisfaction des employés
Notice bibliographique
Résumé
Je souhaite commencer par remercier la professeure Nadia Lahrichi pour m'avoir encadré tout au long de ce projet, dont les commentaires et le suivi ont été constructifs et formateurs afin de me faire avancer.Merci à toute l'équipe d'AlayaCare de m'avoir accueilli chez eux et de m'avoir formé : Simon Germain pour ton accueil et tes conseils, Pierre Leca pour m'avoir accordé beaucoup de temps au milieu d'un emploi du temps déjà bien rempli, Jonathan Vallée pour ton soutien, Marc-André Geraldo véritable camarade de sciences de données et ami, Adam Cherti pour ton analyse fine et tes idées de génie, Jie-Chen Wu pour le recul que tu m'as donné sur mon étude à travers la tienne, Naomi Goldapple pour ton énergie et tes encouragements, Simon Maxwell pour m'avoir aiguillé sur certaines méthodes et répondu à mes questions, et à tous les autres employés que j'ai côtoyé autour d'un jeu de plateau ou d'une bière.Enfin, merci à ma famille, mes amis, et tous ceux qui m'ont entouré pendant ce projet.Merci à toutes les personnes qui m'ont aidé directement ou indirectement, c'est aussi grâce à vous que j'ai pu écrire ce mémoire.
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 | 0,011 | 0,021 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,005 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».