Le syndicalisme axé sur le recrutement des adhérents est-il efficace ? Une réponse camerounaise
Bibliographic record
Abstract
Dans un contexte de déclin continu des taux de syndicalisation aussi bien dans les pays développés que dans les pays en développement, l’ organizing model – « politiques actives de syndicalisation » ou « syndicalisme axé sur le recrutement » − est apparu au coeur de la littérature sur la revitalisation syndicale comme la stratégie la plus adéquate pour contrer la baisse des effectifs syndicaux. Devant un tel constat, et pour la première fois au Cameroun, cet article examine la relation entre l’ organizing model et le recrutement des adhérents à partir des données d’une enquête par questionnaire menée auprès de 187 responsables syndicaux. Les résultats des estimations du modèle probit ordonné généralisé montrent que l’utilisation de l’ organizing model par les responsables syndicaux n’a pas eu d’effet significatif sur l’évolution du nombre total de membres ainsi que sur l’évolution du nombre de nouveaux membres entre 2019 et 2021. Ces résultats, bien que conditionnés par la taille de l’échantillon et la mesure de l’ organizing model , n’apportent aucun soutien aux partisans de cette stratégie de revitalisation syndicale qui la considèrent comme la plus adéquate pour recruter et retenir les adhérents. Dès lors, et afin d’obtenir les résultats escomptés, il est de l’intérêt des responsables syndicaux enquêtés de renforcer leurs méthodes d’organisation et de recrutement des adhérents et de considérer l’ organizing model comme un outil qui doit être appris, systématisé et pratiqué de manière routinière.
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 | 0.019 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".