Bibliographic record
Abstract
Résumé L'auteur, à partir de l'exemple de la pratique des grandes entreprises de payer à leurs employés des primes basées sur leur performance, fait état de deux types de contraintes s'appliquant aux employeurs: d'une part, les règles imposées par la loi; d'autre part, les recommandations des manuels de gestion des ressources humaines. Le droit considère les primes à travers le prisme étroit et traditionnel des règles portant sur les modalités de rémunération dans le cadre de la relation contractuelle avec l'employé. À l'opposé, la science de la gestion les traite comme une forme de communication avec l'employé et établit des recommandations concernant la conception et la mise en œuvre de programmes de primes qui révèlent une certaine notion d'équité administrative. L'auteur s'interroge sur les liens que cette notion d'équité administrative entretient avec le principe d'équité procédurale du droit public. Les différences entre ces deux conceptions de l'équité suggèrent que, contrairement à l'hypothèse mimétique, les entreprises qui adoptent des pratiques se voulant équitables ne font pas que reproduire les normes issues du contexte gouvernemental. Au contraire, l'équité administrative semble s'auto-générer à l'intérieur du champ social semi-autonome des entreprises. S'inspirant des travaux de Teubner sur les systèmes autopoïetiques, l'auteur considère comment le système juridique peut faciliter cette auto-régulation tout en conservant une certaine capacité d'intervention.
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 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.010 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.065 | 0.010 |
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".