L’identification au contenu du travail comme déterminant du souhait de rester dans un emploi
Bibliographic record
Abstract
Les recherches sur le choix de demeurer dans un emploi sont peu nombreuses ou traitent ce sujet à travers des modèles sur le roulement de personnel (turnover), considérant que les mêmes déterminants influencent de manière opposée l'intention de rester ou de quitter. De plus, à l'exception notable de Cossette et Gosselin (2012), les chercheurs ne traitent que le choix de rester dans l'entreprise, mêlant dans la même variable expliquée le choix de rester dans un emploi et celui de la mobilité intra-organisationnelle. Cette recherche poursuit deux objectifs: 1- identifier des concepts associés au souhait de rester dans son emploi; 2- explorer les relations entre les variables identifiées et le désir de rester. L'apport de cette recherche est double. Il s'avère tout d'abord théorique puisque nous avons identifié les variables associées au souhait de rester dans un emploi. Les résultats obtenus permettent de proposer un modèle théorique décrivant les relations entre trois groupes de variables (identification, contextes personnel et au travail) et le souhait de rester. Nous montrons, en particulier, l'influence probable des variables d'identification au contenu du travail sur le souhait de rester dans l'emploi, réalité rarement prise en compte dans les analyses sur ce sujet, que nous définissons comme un état où un salarié établit une équivalence entre ce qu'il est et ce qu'il fait. Cette identification est obtenue suite aux succès obtenus par la personne, qui lui indiquent ses compétences et lui procurent un sentiment d'efficacité, source de fierté. Le second apport de cette recherche est méthodologique. Il semble fécond d'associer une analyse des entretiens, appliquant les principes de la théorie enracinée, à un traitement statistique de type analyse des correspondances multiples, peu connu des chercheurs anglosaxons.
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 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".