Déployer une gestion par processus au sein du réseau de la santé : le cas de la gestion de la paie des établissements de santé et de services sociaux du Québec
Bibliographic record
Abstract
Dans le cadre d’une initiative d’optimisation du ministère de la Santé et des Services sociaux du Québec, une équipe de chercheurs du Pôle santé HEC Montréal s’est intéressée au processus de gestion de la paie au sein du réseau de la santé et des services sociaux. L’étude, qui visait à analyser la performance de ce processus, a été réalisée auprès du personnel de 42 établissements situés dans quatre régions du Québec. Selon les principaux constats de cette collecte de données, la qualité déficiente des données entrant dans le processus reflète un manque de standardisation des pratiques et une faible responsabilisation des intervenants travaillant en amont du processus. En outre, la forte culture de soutien observée parmi le personnel chargé de gérer la paie semble déresponsabiliser les intervenants, ce qui entraîne une « survalidation » des données de la part du service de la paie. Cette collecte de données a permis de mettre en lumière cinq principes caractérisant une gestion par processus performante.
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 | 0.012 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.009 | 0.004 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.001 | 0.004 |
| 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".