Les effets des coupes budgétaires et des réductions de personnel sur la satisfaction au travail des employés
Bibliographic record
Abstract
Des effets négatifs sur le bien-être des employés sont présumés dans la foulée des coupes. Ces présupposés sont avancés de manière répétée dans la littérature, bien que les preuves empiriques restent encore assez limitées. La présente étude tente de déterminer si les coupes budgétaires et réductions de personnel des ministères touchés ont eu les répercussions pressenties dans la littérature sur la satisfaction au travail des fonctionnaires fédéraux au Canada. Des restrictions budgétaires de 5 %, mais inférieures à 10 %, sans réduction de personnel, ont été la norme. Des coupes budgétaires se sont rarement ajoutées aux réductions de personnel. Les résultats montrent que seules les réductions budgétaires d’au moins 10 % affectent négativement, mais marginalement, la satisfaction des fonctionnaires. Globalement, une légère baisse de satisfaction au travail a été observée, alors que la théorie prévoyait une perte de satisfaction plus prononcée. Pour de prochains épisodes d’austérité, des coupes paramétriques de 5 % du budget ou des effectifs pourraient être maintenues afin de minimiser les effets pervers sur la satisfaction au travail des fonctionnaires fédéraux.
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 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 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".