Une approche configurationnelle des antécédents de la rétention de personnel dans le secteur manufacturier
Bibliographic record
Abstract
La région québécoise de l’Abitibi-Témiscamingue est grandement affectée par la pénurie de main-d’oeuvre. Dans un contexte où l’industrie minière offre des salaires et avantages sociaux très compétitifs à ses travailleurs, l’industrie manufacturière, qui convoite un bassin de travailleurs semblable à celui des minières, se doit de garder son personnel. En réponse à l’appel à l’exploration et à la contextualisation du phénomène de la rétention de personnel de Rubenstein et al. (2018) et de Hom et al. (2017), cette recherche vise à explorer, en contexte de pénurie de main-d’oeuvre provinciale, quelles sont les configurations des antécédents de la rétention du personnel des manufactures témiscabitibiennes par l’utilisation d’une approche configurationnelle transversale (Qualitative Comparative Analysis (QCA)). Basée sur l’algèbre de Boole et étendue aux valeurs continues, la méthode QCA permet d’identifier différentes combinaisons de conditions (i.e. antécédents de la rétention) qu’il est possible de mettre en relation avec un résultat cible (i.e. intention de rester) en tenant compte de la complexité causale (Ragin, 1987 ; 2000). Ainsi, au printemps 2021 et à l’hiver 2022, 87 travailleurs de deux manufactures (taux de participation de 36.3 %) ont rempli deux questionnaires portant sur les antécédents de la rétention et leur intention de rester dans l’organisation. L’utilisation de la QCA a permis d’identifier neuf configurations équifinales de premier ordre expliquant l’intention de rester (ou son absence) des répondants et d’illustrer que leur intention de rester est majoritairement influencée par des antécédents intraorganisationnels.
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 | 0.007 | 0.015 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".