Bibliographic record
Abstract
Définie comme la situation qui caractérise un individu dont le niveau de formation dépasse celui normalement requis pour l’emploi occupé, la surqualification est considérée aujourd’hui comme faisant partie d’un ensemble de phénomènes problématiques qui caractérisent nos sociétés occidentales. Cependant, si les données statistiques tirées des travaux effectués à date sur la surqualification nous permettent d’arriver à une approximation chiffrée du phénomène qui touche, au Canada, environ un tiers de la main-d’œuvre, elles ont des limites lorsqu’on veut rendre compte des facteurs explicatifs du phénomène à partir des points de vue des acteurs impliqués dans ce processus : celui des jeunes diplômés, celui de l’État et celui des entreprises, chacun de ces acteurs participant, à sa manière, à la genèse et au développement de la surqualification. Le présent article se propose de diagnostiquer la surqualification et d’ouvrir la voie à des pistes explicatives du phénomène, de ses causes et conséquences, en centrant l’analyse sur le point de vue des employeurs. Cet angle d’approche, très peu présent, voire inexistant dans les recherches qui traitent de la surqualification, vise à atteindre trois objectifs qui commandent la structure de l’article : a) examiner la valeur et la fonction des diplômes dans le processus de recrutement selon le point de vue exprimé par des directeurs des ressources humaines (DRH) œuvrant dans des entreprises privées; b) identifier les raisons pour lesquelles ces entreprises embauchent des personnes surqualifiées et c) mettre au jour les avantages et les désavantages qui découlent des situations de surqualification, tels qu’ils ressortent du discours des DRH. Les analyses présentées sont fondées sur les résultats issus d’une recherche qualitative réalisée entre 2010 et 2015 auprès de trente entreprises canadiennes situées dans la région de Québec portant sur les pratiques de recrutement, de sélection et de gestion 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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.018 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".