Déterminants et efficacité des stratégies de rémunération : Une étude internationale des entreprises à forte intensité technologique
Bibliographic record
Abstract
Le dilemme entre la culture nationale et le secteur d'activité comme déterminant majeur des politiques de rémunération est plus que jamais fondamental dans un contexte d'internationalisation. Si la relation entre le secteur d'activités et les pratiques de rémunération a été passablement bien circonscrite au niveau national, les comparaisons internationales ont été pour leur part beaucoup moins documentées. Contrairement à la perspective stratégique en matière de GRH, stipulant que les gestionnaires ont un niveau élevé d'autonomie dans l'intégration des différentes pratiques de GRH avec, entre autres, les stratégies d'affaires et la structure organisationnelle (Bloom & Milkovich, 1999), les pressions institutionnelles reliées à chacun des pays limitent passablement le pouvoir qu'ont les entreprises d'instaurer des pratiques à succès. Cette recherche suggère, à partir d'un échantillon de 602 grandes entreprises provenant de trois pays (Canada, France, Grande-Bretagne), que la culture nationale est un niveau d'analyse plus approprié que le secteur de la haute technologie dans la compréhension des choix en matière de politiques de rémunération. Toutefois, les résultats de cette recherche révèlent que certaines stratégies de rémunération sont mieux adaptées au contexte de la haute technologie.
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 | 0.005 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".