Grand manuel de psychologie positive
Bibliographic record
Abstract
La rémunération vise à récompenser les employés pour leur temps et leurs efforts, ainsi que pour les compétences qu’ils apportent dans une organisation et dans leurs tâches au travail. Traditionnellement, la théorie de l’agence économique ( agency theory ) a soutenu l’idée selon laquelle l’utilisation de l’argent favorise, en tout temps, la motivation ainsi que la performance des employés. Découlant de cette perspective, les organisations ont consacré beaucoup de temps, d’énergie, ainsi que des ressources humaines et financières aux différentes stratégies et programmes de rémunération. Pourtant, plus de 76 % des personnes admettent qu’elles continueraient à travailler même si elles n’avaient pas besoin d’argent (Paulsen, 2008). Par conséquent, un élément important à remettre en question est le pouvoir motivationnel de l’argent, qui semble fort limité. Qui plus est, les gens surestiment considérablement l’impact de leur revenu sur leur satisfaction de vie (Aknin et al. , 2009). La recherche nous montre en effet que l’argent ne contribue que dans une mesure très limitée au bonheur, et ce principalement en réduisant la tristesse au quotidien, sans toutefois augmenter le bonheur (Kushlev et al. , 2015). La recherche suggère également qu’il existe une telle chose que « suffisamment d’argent », c’est-à-dire un point de satiété où un revenu supplémentaire n’entraîne pas de grande différence dans le niveau de bonheur déclaré (Jebb et al. , 2018). Est-ce à dire que la différenciation salariale doit être minimisée ou supprimée si les gens ne bénéficient pas autant d’un revenu plus élevé ? Le but de ce chapitre est de discuter l’utilisation de l’argent comme outil de motivation, en se concentrant sur des questions telles que 1) le point de satiété des individus, 2) les conséquences des iniquités salariales et 3) les récompenses financières telles que les bonus, ainsi que 4) les différentes significations de l’argent. En abordant ces points sous l’angle de la théorie de l’autodétermination (SDT ; Ryan & Deci, 2017) et en examinant les recherches pertinentes sur la rémunération, nous soutenons que, d’une part, l’égalité salariale dans sa forme la plus stricte peut avoir certains aspects démotivants, mais qu’à l’autre extrémité du spectre, des écarts de rémunération trop importants et injustifiables peuvent également être préjudiciables au niveau individuel, organisationnel et sociétal. Notre point de vue est donc que l’égalité salariale pour tous n’est pas une solution souhaitable, mais que la différenciation salariale doit être connue de tous (transparente), et ce à l’intérieur de limites explicables et équitables. Dans la section suivante, nous présentons le cadre de la théorie de l’autodétermination (TAD) avant de revoir ses implications pour les pratiques en rémunération.
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 | 0.005 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.088 | 0.012 |
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".