Bibliographic record
Abstract
Résumé Cet article a pour objectif d’analyser le concept d’étape de carrière à la lumière du monde professionnel d’aujourd’hui dans lequel les évolutions professionnelles semblent beaucoup plus irrégulières au cours du temps, comme en témoignent les réactions de la « génération Y » ou le développement de « carrières nomades ». Pour ce faire, quatre mesures de l’étape de carrière ont été utilisées dans une enquête réalisée auprès d’un échantillon de 117 vendeurs et directeurs de vente d’une entreprise de distribution commerciale, l’entreprise 4murs. Les résultats montrent que les étapes ne sont pas aussi clairement distinctes qu’elles pouvaient l’être dans les modèles traditionnels. Les différentes approches ne donnent pas des résultats concordants : les résultats des échelles fondées sur des catégories d’âge ou d’ancienneté diffèrent assez nettement de ceux des échelles dont les étapes de carrière sont définies par des attitudes au travail. Ceci tendrait à confirmer que les étapes de carrière pourraient se renouveler sous forme de cycles au cours du temps pour un même individu.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.029 | 0.002 |
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".