La gestion des ressources humaines dans les PME : une analyse systématique de la littérature
Bibliographic record
Abstract
Alors que le capital humain demeure l’actif stratégique le plus important pour assurer la compétitivité des entreprises et leur pérennité, que savons-nous de la gestion des ressources humaines dans les PME ? Ce texte présente une revue de la littérature scientifique concernant la gestion des ressources humaines (GRH) dans les PME. Les 167 articles empiriques répertoriés à partir des bases de données bibliographiques ABI/Inform et Repère sont classés en fonction de la nature des connaissances produites. Ces articles sont ainsi divisés en cinq catégories : (1) les pratiques RH utilisées dans les PME, (2) leurs caractéristiques distinctives par rapport aux grandes entreprises ; (3) les déterminants de l’adoption des pratiques RH ; (4) leurs conséquences sur la performance des PME ; (5) les processus à travers lesquels les pratiques RH sont modifiées. Les résultats montrent que les études ont surtout consisté à vérifier si le modèle de GRH des grandes entreprises s’applique aux PME. La formalisation des pratiques RH a également beaucoup retenu l’attention. De façon générale, peu d’études ont été réalisées sur chacun des divers aspects de la GRH et leurs résultats sont discordants. Des pistes de recherche sont proposées en vue de favoriser le développement des connaissances.
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 | 0.005 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.007 | 0.012 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.009 | 0.008 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.002 |
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".