Les facteurs de rétention des employés : cas du secteur manufacturier
Notice bibliographique
Résumé
Le Canada est confronté à une pénurie de main-d’oeuvre. Une meilleure compréhension des facteurs qui influencent le roulement du personnel peut aider à formuler de meilleures stratégies afin de diminuer le taux le roulement et augmenter la productivité en contexte de concurrence féroce. La présente étude porte sur l’exploration de facteurs de la rétention du personnel dans un contexte de pénurie de main-d’oeuvre. \nNotre méthodologie de recherche est quantitative avec diverses analyses, à savoir l’analyse en composantes principales (ACP), la corrélation et la régression économétrique. L’ACP nous a permis de construire des indicateurs synthétiques de la satisfaction et de la motivation \nau travail. Par ailleurs, la corrélation et les régressions économétriques nous ont permis de mettre en évidence les relations existantes entre la satisfaction, la motivation et la rétention des employées au travail sans oublier les déterminants sociodémographiques. La population à l’étude est constituée de l’ensemble des emplois d’une entreprise manufacturière québécoise de la région d’Abitibi-Témiscamingue qui est spécialisée dans la conception, la fabrication et la réparation de produits métalliques. \nLes résultats de cette recherche nous révèlent que les employés qui bénéficient du meilleur processus de motivation peuvent manifester une plus grande motivation et afficher un niveau plus élevé de satisfaction au travail. Par conséquent, leur intention de rester augmente et le taux de roulement diminue. De plus, des facteurs sociodémographiques augmentent aussi la probabilité de rester en emploi et réduisent en conséquence le taux de roulement. Cette étude contribue de manière significative à la littérature existante sur la motivation, la satisfaction et la rétention des employés en examinant l’aspect inexploré de la satisfaction de différentes manières (satisfaction extrinsèque et intrinsèque) et ouvre d’autres perspectives de recherche. \nBien que les conditions de travail aient nettement progressées depuis le milieu du XXe siècle, quitter ou avoir l’intention de quitter est toujours la grande préoccupation pour toute entreprise. Mettre en place des stratégies efficaces pour la rétention de la main-d’oeuvre est une pratique gagnante et bénéfique pour les entreprises dans un contexte de pénurie de maind’oeuvre .Les prochaines recherches pourront se pencher davantage sur cette question.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,021 | 0,003 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».