L'efficacité des pratiques de gestion des ressources humaines : le cas de la gestion des professionnels syndiqués au Québec
Bibliographic record
Abstract
La mesure de l'efficacité des pratiques de gestion est une préoccupation forte de la « nouvelle » gestion des ressources humaines (GRH). Pourtant — au-delà du discours — peu de recherches empiriques ont été effectuées sur ce sujet à cause de la complexité des devis de recherche qui exigent le contrôle de nombreuses variables influençant la relation entre les pratiques de GRH et la performance organisationnelle. En mesurant l'efficacité des pratiques de GRH à partir de leur capacité à réduire l'insatisfaction professionnelle de 2 497 professionnels syndiqués québécois, le devis de cette recherche s'avère non seulement réaliste mais aussi efficace puisque cette insatisfaction professionnelle (due à la confrontation des valeurs professionnelles avec les exigences organisationnelles) s'avère positivement reliée à la faible loyauté organisationnelle, au faible rendement perçu et à de nombreux comportements contre-productifs. Une analyse multivariée de 66 pratiques de GRH (qui se regroupent en 26 grappes homogènes) met en évidence l'importance des pratiques de participation, de communication, de formation et de valorisation professionnelle. Le modèle « idéal » de gestion de la main-d’œuvre professionnelle qui se dégage de l'analyse explique 41,3 % de la variance totale de l'insatisfaction professionnelle. Il continue à expliquer 28,3 % de cette variance alors même que 37 variables individuelles et 6 variables organisationnelles sont contrôlées.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 0.000 |
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".