L’adéquation formation-emploi : concepts et pratiques de gestion des ressources humaines
Bibliographic record
Abstract
L’adéquation formation-emploi a fait couler beaucoup d’encre au cours des dernières années, car elle présente des défis importants auxquels tant les entreprises que les pouvoirs publics cherchent à répondre. Il s’agit d’une notion polysémique que l’on doit s’assurer de bien cerner parce que la littérature regorge d’une multitude de vocables et de mesures utilisés pour décrire les situations d’inadéquation formation-emploi et d’écarts observés dans le marché du travail. Cette recherche vise à contribuer à la littérature et aux débats actuels sur cette importante question de diverses manières. Notre article poursuit trois objectifs. D’abord, nous clarifions le concept d’adéquation formation-emploi et distinguons trois situations : l’adéquation, la surcompétence et la sous-compétence. Deuxièmement, nous identifions les pratiques favorisant l’adéquation entre les compétences des employés et les postes occupés. Pour y parvenir, nous retenons l’approche ‘configurationnelle’ en vertu de laquelle un groupe cohérent de pratiques mises en oeuvre simultanément influence la performance. Dans un troisième temps, nous proposons des éléments de réflexion pour les petites et moyennes entreprises (PME) en matière d’adéquation formation-emploi. Notre article utilise les données d’une recherche subventionnée dans laquelle nous avons mené une enquête téléphonique auprès des responsables de la gestion des ressources humaines de 376 PME québécoises manufacturières. Les résultats obtenus, à l’aide de l’analyse des classes latentes et des régressions logistiques, montrent que sept pratiques forment un regroupement cohérent et que les entreprises ayant constaté des cas d’inadéquation (surcompétence ou sous-compétence) ont davantage tendance à implanter ces sept pratiques afin de corriger la situation. En conclusion, des recommandations sont formulées pour l’ensemble des PME québécoises.
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 | 0.009 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.005 | 0.028 |
| Scholarly communication | 0.011 | 0.016 |
| Open science | 0.002 | 0.009 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.010 | 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".