Les difficultés de recrutement : quelques éléments d’analyse sur la perception du phénomène par les DRH des entreprises de la région de Québec
Bibliographic record
Abstract
À partir de l’analyse des résultats d’une enquête qualitative auprès de 30 entreprises situées dans la région de Québec, cet article présente les perceptions et les représentations des directeurs des ressources humaines (DRH) relatives aux difficultés de recrutement de la main-d’œuvre. Dans un premier temps, j’identifierai les difficultés de recrutement en fonction de leurs caractéristiques, illustrant la réalité observée par les DRH. Dans un deuxième temps, je mettrai en évidence les facteurs explicatifs des difficultés de recrutement tels qu’ils ressortent du discours des DRH, en les regroupant en trois catégories : facteurs de nature exogène, facteurs liés à l’offre de travail et facteurs liés à la demande de travail. En conclusion, j’ouvrirai une brève discussion sur l’importance relative des facteurs explicatifs des difficultés de recrutement et sur les pistes de solution possibles pour faire face à ce phénomène.
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 | 0.002 |
| Science and technology studies | 0.008 | 0.008 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| 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".