De la GRH instrumentale à la GRH partenariale : l’impact des stratégies territoriales
Bibliographic record
Abstract
Dans un contexte où la montée en puissance de la RSE et du territoire bousculent les modèles traditionnels de GRH, cet article vise à explorer l’hypothèse selon laquelle les stratégies territoriales mises en œuvre par les entreprises sont en lien, voire influencent les modalités de GRH qu’elles vont privilégier. Deux cadres théoriques sont mobilisés : l’analyse stratégique des entreprises et la RSE. A l’issue d’une recherche qualitative exploratoire menée auprès d’un échantillon de seize entreprises et sept acteurs territoriaux, trois principaux résultats émergent de ce travail. Premièrement, nous identifions trois types de stratégies territoriales que nous qualifions respectivement : « d’intégration symbiotique », de « différenciation territoriale » et « d’écosystémique », soulignant que la conception du territoire dans les modèles d’analyse stratégique évolue d’une conception instrumentale vers une conception responsable. Les résultats indiquent, deuxièmement, que les modèles de GRH évoluent également d’une GRH instrumentale vers une GRH responsable, et que cette évolution s’effectue en lien avec les stratégies territoriales adoptées par les entreprises de l’échantillon. Enfin, une typologie est proposée associant aux stratégies territoriales mises en évidence par la recherche, trois types de GRH : une « GRH vitale », une « GRH duale » et une « GRH responsable ».
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.009 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 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".