MétaCan
Menu
Back to cohort
Record W2105331550 · doi:10.7202/1024206ar

Gérer des compétences : une instrumentation en contexte, modélisation fondée sur l’étude de cas

2014· article· fr· W2105331550 on OpenAlexvenueno aff
Nathalie Delobbe, Patrick Gilbert, Martine Le Boulaire

Bibliographic record

VenueRelations industrielles · 2014
Typearticle
Languagefr
FieldBusiness, Management and Accounting
TopicInnovation and Knowledge Management
Canadian institutionsnot available
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

Aujourd’hui largement diffusée, la gestion des compétences continue à faire face à trois questions fondamentales. D’abord, celle de la pertinence de son instrumentation : les outils de gestion des compétences restent critiqués pour leur réductionnisme, leur rapide obsolescence et leur manque de fiabilité. Ensuite, celle de son désajustement organisationnel : les pratiques de gestion des compétences semblent souvent faire abstraction des spécificités des contextes organisationnels dans lesquels elles émergent. Enfin, celle de son articulation stratégique : comment comprendre et gérer le lien entre les pratiques de gestion des compétences centrées sur l’individu et un pilotage stratégique de l’entreprise fondé sur ses compétences-clés ? En réponse à ces questions, cette contribution vise à mettre en évidence des configurations cohérentes d’instruments, de contextes organisationnels et de finalités stratégiques susceptibles de sous-tendre les dispositifs de gestion des compétences. L’analyse repose sur sept études de cas menées dans des entreprises contrastées, publiques ou privées et de tailles diverses. L’analyse comparative des cas fait émerger quatre modèles distincts de gestion des compétences : 1- un modèle de la normalisation centré sur des comportements partagés à large échelle et visant l’homogénéisation culturelle; 2- un modèle de la polyvalence permettant l’allocation flexible des ressources humaines au sein d’un périmètre d’activité; 3- un modèle du talent individuel faisant des qualités et aptitudes personnelles génériques la clé de la performance individuelle et collective; 4- et, enfin, un modèle de l’expertise centré sur la maîtrise de compétences techniques complexes et la livraison de prestations à haute valeur ajoutée. Cette modélisation permet de resituer les pratiques de gestion des compétences dans leur contexte organisationnel. Elle clarifie la valeur ajoutée qu’un système de gestion des compétences peut apporter à la réalisation d’une stratégie d’entreprise. Enfin, les choix opérationnels faits dans la construction des référentiels de compétences peuvent être compris et réfléchis à la lumière du modèle retenu.

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 distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Theoretical or conceptual · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.675
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0010.002
Science and technology studies0.0010.000
Scholarly communication0.0010.002
Open science0.0000.000
Research integrity0.0000.000
Insufficient payload (model declined to judge)0.0010.001

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.

Opus teacher head0.029
GPT teacher head0.249
Teacher spread0.220 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designTheoretical or conceptual
Domainnot available
GenreEmpirical

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".

Quick stats

Citations8
Published2014
Admission routes1
Has abstractyes

Explore more

Same venueRelations industriellesSame topicInnovation and Knowledge ManagementFrench-language works237,207