La reconnaissance au travail : analyse d'un concept riche de sens
Bibliographic record
Abstract
Résumé La reconnaissance au travail représente un enjeu lié tant à la gestion des organisations qu’aux besoins fondamentaux des individus. Bien qu’elle soit de plus en plus discutée dans l’univers de la sociologie et de la psychologie des organisations, cette notion complexe demeure imprécise dans le monde de la gestion. Qu’est-ce que la reconnaissance au travail? Quelles en sont les limites et les nuances conceptuelles? Comment se traduit l’acte de reconnaître? Telles sont les questions centrales auxquelles cet article répond. D’abord, il met en lumière l’ampleur des besoins de reconnaissance aujourd’hui exprimés par les individus et brosse le portrait du contexte social et organisationnel entourant la question. On y présente les approches, les pratiques et les sources de reconnaissance au travail. Quatre approches conceptuelles de la reconnaissance sont analysées : la perspective éthique, la conception humaniste et existentielle, l’école de la psychodynamique du travail et l’approche comportementaliste. Cette analyse révèle que la reconnaissance se concrétise à travers certaines pratiques. Par ailleurs, le champ de la reconnaissance se caractérise par la présence de cinq types d’interactions, qui s’établissent sur les plans organisationnel, vertical, horizontal, externe et social.
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 | 0.004 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.004 | 0.004 |
| Science and technology studies | 0.003 | 0.017 |
| Scholarly communication | 0.007 | 0.008 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".