La mobilisation des ressources humaines : une stratégie de rassemblement des énergies de chacun pour le bien de tous
Bibliographic record
Abstract
Résumé Cet article vise principalement à clarifier la nature du concept de mobilisation, à rendre compte de l’évolution des comportements associés à la mobilisation, à proposer une classification des dimensions comportementales associée à la mobilisation et à faire ressortir l’importance stratégique de ces comportements et les avantages liés à leur adoption. La mobilisation définie au sens propre comme le fait d’ordonner aux troupes d’aller se battre n’est pas porteuse d’efficacité. Par contre, un large éventail de comportements susceptibles d’accroître la performance s’ouvre aux praticiens qui acceptent une définition de la mobilisation au sens figuré. Celle-ci devient alors une «réserve stratégique» à laquelle les organisations pourront recourir au gré des défis à relever. Toutefois, avant de pouvoir bénéficier de cette réserve, il faut réussir à la bâtir, ce qui constitue sans doute le défi le plus important qui attend les organisations en quête d’une performance soutenue.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.001 |
| Insufficient payload (model declined to judge) | 0.014 | 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".