Le recrutement des employés-cadres par les médias sociaux et son effet sur l’efficacité du recrutement international des talents : le cas de la multinationale Camso
Bibliographic record
Abstract
Cette recherche a pour objectif de mieux comprendre la mouvance numérique et contribuer à l’enrichissement des connaissances en ce qui a trait au recrutement par les médias sociaux. Cette étude de cas exploratoire a pour but d’expliquer comment l’utilisation des médias sociaux pour le recrutement des employés-cadres modifie certains indicateurs de performance du recrutement des talents à l’échelle mondiale. Dans ce mémoire, j’examine les délais de recrutement, les coûts de recrutement, ainsi que l’impact des différences culturelles sur l’utilisation de ces nouvelles méthodes. Le cas étudié est celui de l’organisation manufacturière Camso, qui a conduit un projet pilote d’utilisation des médias sociaux pour combler treize (13) postes dans deux (2) sites : à Magog, Québec, au Canada, et à Ekala, Ja-Ela, au Sri Lanka. Les entrevues avec les recruteurs et les candidats embauchés ont été tenus sous la forme d’entrevues individuelles et de groupes de discussion. Cette méthode a permis d’identifier les effets de ces méthodes de recrutement et d’en comprendre les limites. Les principaux résultats de ma recherche suggèrent que cette méthode peut être efficace dans l’approvisionnement des talents, à la fois au niveau de la réduction du coût que du délai moyen du processus de recrutement. Quant à la distance culturelle entre les deux pays, elle ne s’est pas manifestée au niveau d’une divergence du coût ou de l’efficacité, mais plutôt au niveau de la présence de certaines catégories de candidats sur les médias sociaux, ainsi que sur la quantité d’information que les candidats rendent disponible sur leurs profils de médias sociaux. Enfin, les recommandations quant à l’utilisation dans la pratique et les contributions à la littérature portant sur le sujet, sont présentées.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.001 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.002 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.005 | 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; both teacher heads agree on what is shown here.
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".