Gestion des ressources humaines et nouvelles expériences de l’économie sociale : Cas de la France et du Québec [Human Resources Management and New Experiences in the Social Economy: The Case of France and Quebec]
Bibliographic record
Abstract
Cet article met l’accent sur une zone d’activite peu connu dans le domaine du management et qui connait une forte croissance les deux dernieres decennies. L’economie sociale comprend une large gamme des activites qui surfent aux frontieres du secteur public et du secteur prive classique. Notre objectif est de faire une evaluation de son apport dans la sphere economique. Nous avons choisi les cas de la France et du Quebec comme deux experiences particulieres pour aborder notre question de recherche. Pour le Quebec, les chiffres de 2015 demontrent que l’economie sociale participe avec 8 % au PIB et contribue avec 10 % a la creation de l’emploi. En effet, elle contribue au PIB plus que le secteur de la construction et des mines reunies. L’economie sociale est davantage axee sur le renforcement des lignes directrices du Groupe de travail sur l’economie sociale. En France, les chiffres de 2015 demontrent que l’economie sociale participe avec 10 % au PIB et contribue avec 12 % a la creation d’emploi. Le nombre d’organisations sociales et solidaires est de 1,5 fois de plus que le secteur de la construction et de 4,5 fois de plus que le secteur agroalimentaire. Les acteurs de l’economie sociale se sont engages dans une vision plus large de la solidarite a travers une promotion dans toute la structure de l’economie. Par la suite, avec des etudes de cas des organisations sociales et solidaires, nous avons pu constater l’originalite des pratiques manageriales et des valeurs partagees dans ce secteur d’activite. Les analyses des informations existantes sur les sites Web des organisations choisies nous ont permis de comprendre qu’elles sont parfois regroupees dans des holdings avec une performance financiere proche des organisations du secteur prive classique. Neanmoins, la reussite au niveau organisationnel ne peut pas masquer la presence de plusieurs defis. Il s’agit notamment de la capacite du financement et de la dilution des valeurs sociales et solidaires.
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 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.020 | 0.012 |
| Scholarly communication | 0.008 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.000 |
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".