Bibliographic record
Abstract
Résumé Au Québec plus qu’ailleurs, les pratiques de gestion de la relève sont influencées par les forces sociodémographiques de l’environnement. Accroissement total de la population en baisse, solde migratoire nul, vieillissement accéléré de la population, rapport de dépendance en hausse et montée de la nouvelle garde (génération Y) ne sont que quelques exemples du choc démographique qui secoue la société, incluant toutes les dimensions liées au marché du travail. Le départ massif de centaines de milliers de travailleurs n’est pas sans susciter des appréhensions relativement au partage des savoirs entre travailleurs appartenant à des générations aux caractéristiques très différentes. Ainsi, on ne peut développer un corps de connaissances en matière de gestion de la relève sans faire une place importante à la gestion de la diversité de la main-d’œuvre, principalement la diversité associée à l’âge. Dans un tel contexte, la gestion de la relève doit tenir compte de la gestion des personnes en fin de carrière (extension de la vie professionnelle), de la gestion de la génération Y et de la gestion de l’intergénérationnel.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.016 | 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".