L’hybridation des pratiques de gestion des ressources humaines. Le cas de la fonction publique territoriale française
Bibliographic record
Abstract
La diffusion des principes du NMP transforme les pratiques de GRH dans le secteur public. Les transformations ainsi opérées obéissent à quatre logiques : logique de formalisation, contractualisation, individualisation et politisation. L’article s’interroge sur les conséquences de la concomitance de ces logiques sur l’hybridation des pratiques de GRH. Pour cela, deux méthodologies complémentaires ont été mobilisées : une méthodologie quantitative à travers une enquête auprès de 223 collectivités territoriales d’un département français et une méthodologie qualitative par le biais d’entretiens réalisés auprès de 25 de ces collectivités. Les résultats montrent que ces logiques cohabitent, ce qui amène à s’interroger sur les micro-négociations qui permettent cette cohabitation. Remarque à l’intention des praticiens Les pratiques de gestion des ressources humaines dans les organisations publiques sont le résultat composite d’un ensemble de logiques différentes, voire contradictoires : logique d’individualisation, de contractualisation, de formalisation et de politisation. Dans les collectivités territoriales françaises, on n’observe pas une évolution commune vers un nouveau modèle unique de GRH. Ce sont principalement des dynamiques internes entre les acteurs (élus, professionnels des ressources humaines, directions…) qui expliquent la combinaison, toujours différente, de ces logiques.
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 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.010 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".