Impact of online professional social networks on organizational attractiveness : a social capital perspective
Notice bibliographique
Résumé
Ce travail de recherche aborde la question de l’impact des réseaux sociaux numériques professionnels sur l’attractivité organisationnelle. Malgré la complexité et la diversité des études théorique et pratique portant sur la manière avec laquelle les membres des réseaux sociaux professionnels interagissent, les études portant sur l’attractivité organisationnelle et l’identification des membres dans le contexte d’e-recrutement demeurent limitées. Dans ce travail, le champ théorique qui a été mobilisé est la théorie du capital social. Il s’agit de mieux comprendre l'impact de l'identité sociale, la confiance sociale, bouche-à-oreille virtuel, le site des réseaux sociaux et le rôle médiateur de qualité d’information sur l’attractivité organisationnelle en tant qu’un employeur. La thèse propose un cadre d'analyse et conceptuel. En plus de la revue de la littérature, une étude complémentaire a été réalisée sur la base de 8 entretiens semi-directifs auprès de directeurs des ressources humaines afin de connaitre leur avis sur les motivations des entreprises qui intègrent l'utilisation des réseaux dans leurs pratiques de recrutement. Une étude quantitative a été menée à partir de 288 individus résidant en France et au Canada qui sont présents sur les réseaux sociaux numériques professionnels. Le but est de mesurer l’impact des facteurs identifiés dans la première étude qui influencent l’attractivité organisationnelle. Les résultats obtenus ont permis de comprendre l’importance du réseautage social, l’attractivité de site des réseaux sociaux ainsi que l’effet médiateur de qualité d’information sur l’attractivité organisationnelle, le prestige et l’intention des individus pour suivre des offres d’emploi sur ces plateformes.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».