Bâtir une GRH inclusive en PME au travers des relations de don/contre-don entre dirigeant et salariés
Bibliographic record
Abstract
Évoluant dans des contextes économique et géopolitique turbulents, des questions sociales s’ajoutent aux difficultés quotidiennes des PME. Certains dirigeants sont donc amenés à concilier leurs différentes préoccupations, tout en replaçant les salariés au coeur de l’organisation. Autrement dit, il s’agit de mieux prendre en compte leurs attentes et de les faire participer aux décisions relatives à la gestion des ressources humaines. Dans cette optique, l’émergence d’une GRH inclusive, favorisant l’épanouissement professionnel et la reconnaissance de chaque salarié, s’invite en PME. Ainsi, notre étude exploratoire apporte des éléments de réponse à sa construction, tout en remettant en question certaines croyances établies. En effet, à travers la logique du don, nous montrons que cette GRH repose principalement sur des relations d’échange, qui ne sont pas exemptes de difficultés. Résumé Cet article vise à comprendre l’émergence et le développement d’une gestion des ressources humaines (GRH) inclusive en PME. Le concept d’inclusion renvoie à l’épanouissement professionnel et à la reconnaissance des salariés (Bonneveux et al., 2020). Cette forme de GRH comporte une visée intégrative dans la mesure où elle offre la possibilité d’améliorer la collaboration notamment entre le dirigeant et ses salariés. Dans cette optique, nous avons mobilisé de façon originale la logique du don de Mauss, couplée à la littérature sur la GRH en PME afin de proposer une nouvelle grille de lecture. À partir du cas emblématique d’une PME, une étude qualitative longitudinale a été menée sur une période de 8 ans. Les résultats soulignent le décalage entre les contre-dons attendus et ceux réellement réalisés par le dirigeant, qui conditionnent in fine l’adonnement des salariés. Ce déséquilibre dans la relation amène à la construction d’une GRH inclusive.
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 | 0.004 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.007 | 0.018 |
| Scholarly communication | 0.007 | 0.005 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.012 | 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".