L'engagement organisationnel et les comportements discrétionnaires: L'influence des pratiques de gestion des ressources humaines
Bibliographic record
Abstract
Dans cette étude, réalisée auprès de 536 salariés et cadres québécois, nous examinons l'influence perçue de quatre processus de GRH (le partage d'information, l'empowerment, les compétences et la reconnaissance) sur l'engagement organisationnel et la mobilisation de comportements discrétionnaires au travail, d'une part, de même que le rôle de l'engagement organisationnel (affectif et continu) dans la motivation à mobiliser certains comportements discrétionnaires au travail. Les résultats de l'analyse multivariée révèlent que les comportements discrétionnaires sont plus fortement mobilisés lorsque les employés possèdent un fort niveau d'engagement affectif à l'égard de l'organisation. Nos résultats montrent par ailleurs qu'un fort sentiment d'autonomie et d'influence et la possibilité de pouvoir utiliser ses compétences au travail exercent une forte influence positive indépendante sur la mobilisation de comportements discrétionnaires. Enfin, cette recherche met en lumière le rôle important de la reconnaissance non-monétaire et de la justice procédurale dans la constitution d'un lien affectif avec l'organisation et la motivation des employés à se mobiliser pour le succès de l'organisation.
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 | 0.007 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.003 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".