Technological Progress, Organizational Change and the Size of the Human Resources Department ♣
Bibliographic record
Abstract
Mots clés: Les changements organisationnels reposant sur la polyvalence et les TIC qui se sont diffusés dans la plupart des pays de l'OCDE depuis les années 1990 ont de fortes conséquences sur les conditions de travail. Les données disponibles montrent, parallèlement à l'émergence de nouvelles formes organisationnelles fondées sur la polyvalence, une augmentation de la main d'oeuvre employée dans les postes managériaux et une augmentation des besoins en qualification. Cet article propose un modèle théorique analysant l'allocation optimale du nombre de tâches par individu lorsque le passage à une organisation fondée sur la polyvalence accroît les coûts de coordination entre les individus et les tâches. Les entreprises peuvent réduire ces coûts de coordination en affectant plus de salariés à la gestion des ressources humaines. Le capital humain est accumulé de manière endogène par les travailleurs. Le modèle reproduit assez bien les régularités observées dans les données. En particulier, des accélérations technologiques endogènes tendent à accroître à la fois le nombre de tâches réalisées et les besoins en qualification, tout en augmentant la part de la main d ' qui se consacre à la gestion des
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 | 0.011 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".