La mesure du contrat psychologique dans un contexte de travail francophone
Bibliographic record
Abstract
Si le concept de « contrat psychologique » est désormais largement répandu dans la littérature, les instruments de sa mesure font encore défaut. Rousseau a proposé en 1990 le Psychological Contract Index (PCI), qu’elle a actualisé en 1998-2000. Cet article vise à adapter cet outil en France et à le compléter en testant deux mesures de la réalisation du contrat psychologique : une mesure directe et une mesure soustractive. Il pose aussi le problème de la mesure de la réciprocité propre au contrat psychologique et s’appuie sur le modèle de Morrison et Robinson pour tester une relation modératrice entre les scores de réalisation de l’entreprise et ceux de l’employé. Les résultats d’une enquête menée auprès de 217 cadres français confirment partiellement les hypothèses de l’auteure. Ils montrent que la structure factorielle du PCI manque de stabilité et doit faire l’objet de nouvelles recherches quant à sa validité : 14 facteurs sont identifiés au lieu des sept avancés par Rousseau dans le PCI. Conformément aux hypothèses posées, c’est la mesure directe de la réalisation du contrat qui démontre la meilleure validité. En outre, l’auteur valide le rôle modérateur de la réalisation du contrat psychologique par le salarié.
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 | 0.008 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 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".