Formation Continue et Performance des Entreprises en Côte d’Ivoire
Bibliographic record
Abstract
Cette étude examine, dans le contexte de la gestion des ressources humaines, les secteurs d’activité qui investissent le plus dans la formation continue en Côte d’Ivoire et apprécie l’incidence des dépenses de formation sur la performance des entreprises. Il ressort que les entreprises de l’industrie chimique, l’agro-alimentaire, le commerce et le secteur des transports et communications accordent des budgets plus importants au renforcement des compétences. Ce qui se traduit par une prépondérance de la rentabilité de la formation continue dans ces secteurs. L’estimation des données de panel par les effets fixes et par la méthode de panel dynamique de Arellano et Bond, met en exergue l’effet positif de la formation continue sur la valeur ajoutée avec un effet plus grand des investissements de l’année antérieure. Nous soutenons donc la nécessité de tenir compte des effets sur le moyen terme dans l’évaluation du rendement de la formation et de promouvoir toute politique qui vise à inciter les entreprises à investir dans le renforcement des capacités humaines.
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".