Bibliographic record
Abstract
Cet article explore les moteurs, les éléments contributifs et les freins au développement des capacités au travail. Il passe en revue les principales thématiques de la littérature consacrée aux capabilités (*) et met en évidence les tensions entre les visions utilitaristes étroites de la théorie du capital humain et l’approche par les capacités plus holistique défendue par Amartya Sen. Cet article présente ensuite des travaux de recherche qui étudient les influences institutionnelles, organisationnelles et individuelles sur le développement des capacités dans des organisations néo-zélandaises. Il analyse enfin le rôle du travail dans le développement des capacités et met en lumière des facteurs importants tels que la qualité de l’emploi et l’influence de personnes clés sur les progrès individuels. Et il conclut sur la question suivante : que peut-on raisonnablement attendre des gouvernements et des employeurs en matière de contribution au développement des capacités ?(*) Le mot anglais « capability » est traduit par le néologisme « capabilité » ou, par souci de simplicité, par « capacité » dans les expressions « approche par les capacités » et « développement des capacités ».
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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".