Perception du soutien social et engagement affectif organisationnel
Bibliographic record
Abstract
L'objectif principal de ce mémoire est l'étude de la relation existante entre la perception du \nsoutien social et l'engagement affectif organisationnel des employés d'une organisation \ngouvernementale. Après avoir justifié l'importance de s'attarder à l'engagement affectif, \nnous exposons et définissons les facteurs susceptibles de le favoriser. Cette étude a été \nréalisée auprès de tous les employés du ministère des Transports du Québec en AbitibiTémiscamingue. \nNous avons élaboré un questionnaire à partir de trois échelles de mesure \nqui présentaient de bonnes qualités psychométriques. \nLes résultats de nos analyses (bivariées et multivariées) nous ont permis de mieux cibler \nles facteurs contribuant à l'augmentation de l'engagement affectif envers l'organisation. \nLes analyses multivariées permettent de dégager trois facteurs regroupant des variables \nsociodémographiques qui expliquent 73,4 % de la variance de l'engagement affectif \nenvers l'organisation : les variables mesurant le salaire et ses déterminants (30,53% de la \nvariance); celles relatives à l'expérience (28,74 %) et la prévision à l'égard de l'emploi \n(13, 12 %). L'analyse de régression multiple linéaire indique que le soutien organisationnel \nest la variable la plus associée à l'engagement affectif et la force de cette association \naugmente lorsque nous y combinons le salaire et ses déterminants (13=0,43, p<,001 ). \nAinsi, le soutien organisationnel et le salaire et ses déterminants expliquent de façon \nsignificative 20% de la variance de l'engagement affectif. \nLa discussion et la conclusion portent sur les enjeux en matière de gestion des ressources \nhumaines et sur la place de l'interv,ention psychoéducative en milieu de travail.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".