La contribution des mutuelles de formation au développement des compétences de la main-d’œuvre au Québec
Bibliographic record
Abstract
Cette thèse a pour objectif d’identifier et d’analyser la contribution des mutuelles de formation au développement des compétences de la main-d’œuvre. Par-delà, elle cherche également à comprendre les facteurs qui influencent la contribution de ces dispositifs au développement des compétences de la main-d’œuvre. Elle vise plus particulièrement à cerner le rôle des entrepreneurs institutionnels et des complémentarités institutionnelles au sein de ces mutuelles de formation. Sur le plan théorique, cette thèse s’appuie sur l’approche néo-institutionnaliste qui permet d’étudier la contribution de ces dispositifs au développement des compétences de la main-d’œuvre et d’effectuer une lecture analytique à l’aide des concepts d’« entrepreneur institutionnel » et de « complémentarité institutionnelle ». Notre modèle d’analyse est basé sur ces deux concepts et cherche à montrer si (et comment) les entrepreneurs institutionnels et les complémentarités institutionnelles influencent la contribution des dispositifs de formation au développement des compétences de la main-d’œuvre. Sur le plan méthodologique, cette thèse est structurée autour de quatre études de cas concernant des mutuelles de formation dans quatre secteurs d’activité économique au Québec. La collecte de données qualitatives a été effectuée à partir d’entretiens semi-structurés avec des acteurs gravitant autour des mutuelles de formation ainsi qu’à l’aide de sources secondaires. L’analyse des résultats confirme que la contribution des mutuelles de formation au développement des compétences de la main-d’œuvre varie en importance. Au-delà de cette variance entre mutuelles, nos résultats indiquent, d’une part que ces mutuelles accroissent l’offre de formation répondant aux besoins de la main-d’œuvre d’un secteur donné et ont ainsi une portée sectorielle, et d’autre part qu’elles facilitent les demandes de financement de formation des entreprises et mobilisent ainsi les acteurs d’un secteur à investir en formation. L’analyse des résultats montre que la contribution d’une mutuelle de formation est plus importante si les acteurs (notamment une association d’employeurs) alignent leur vision et soutiennent son fonctionnement avec leurs capacités d’entrepreneurs institutionnels. Enfin, nos résultats révèlent que les complémentarités des mutuelles avec d’autres institutions qui clarifient leur mandat, ajoutent des ressources financières et stratégiques et collaborent avec les mutuelles ont des impacts positifs sur leur contribution au développement des compétences de la main-d’œuvre.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.015 | 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".