Effets de certaines pratiques de GRH sur la performance de PME manufacturières : vérification de l’approche universaliste
Bibliographic record
Abstract
Cette étude a pour but de vérifier si l’on peut constater, en contexte de PME, un effet de certaines pratiques de gestion des ressources humaines (GRH) comparable à celui qui est rapporté par différents chercheurs pour la grande entreprise. Influençant à la fois les conditions de travail, l’organisation du travail, la motivation et le développement des compétences, les pratiques de GRH peuvent constituer une source importante d’avantages concurrentiels pour les entreprises. Les résultats obtenus à partir d’un échantillon de 233 PME manufacturières permettent d’affirmer qu’il existe une relation positive entre le développement des pratiques de GRH et la performance des PME. Des analyses multivariées ont également permis d’attri buer spécifiquement les effets de certaines pratiques sur différentes dimensions de la performance des PME. C’est ainsi que la diffusion d’information apparaît liée au taux de roulement du personnel et au taux de rendement de l’actif ; la formation, à la productivité ; le recrutement et l’évaluation du rendement, à la croissance des ventes. Il apparaît en outre que le rôle significatif qu’exerceraient les pratiques sur la performance varie en fonction de la taille des entreprises. Ces résultats permettent de nuancer les effets des pratiques de GRH en montrant qu’ils peuvent être plus spécifiques que généraux. L’article s’achève sur une discussion intégrant des données d’études antérieures ainsi que des implications de gestion susceptibles d’intéresser des gestionnaires de PME.
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 | 0.014 | 0.048 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.010 | 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".