MétaCan
Menu
Back to cohort
Record W47974647 · doi:10.7202/028608ar

A Note on Manpower Forecasting

2005· article· fr· W47974647 on OpenAlex
Klaus Weiermair

Why this work is in the frame

A frame that forgets how it found something cannot be audited. These are the routes that admitted this work.

venuePublished in a venue whose home country is Canada.
no affNo Canadian affiliation: this work is invisible to an affiliation-only frame.
No Canadian affiliation. An affiliation-only frame, the usual design, would never have seen this work. It is one of the works that make the case for inverting the frame.

Bibliographic record

VenueRelations industrielles · 2005
Typearticle
Languagefr
FieldEngineering
TopicScheduling and Optimization Algorithms
Canadian institutionsnot available
Fundersnot available
KeywordsComputer scienceOperations researchEngineering

Abstract

fetched live from OpenAlex

L'auteur de cet article étudie les différentes formules mises au point en vue de prévoir les besoins de main-d'oeuvre pour des catégories de travailleurs hautement spécialisés. Au fond, il s'agît de savoir s'il faut davantage accorder foi aux comparaisons touchant les gains, les taux de salaire escomptés et les ajustements du travail ou s'il est préférable de mettre l'accent sur la valeur comparative des métiers et des professions. Quelle que soit la formule utilisée, il est certain qu'elle comporte des lacunes qui la rende illusoire en autant que l'aspect pratique de la prévision des besoins de main-d'oeuvre est concerné. On peut, à ce sujet, soulever les problèmes suivants : 1. Du côté de la demande, la question principale qui se soulève a trait aux processus de substitution du capital au travail ou entre les différents types de travail ; 2. En ce qui regarde l'offre, il faut noter la difficulté de prédire le choix des métiers et la mobilité professionnelle ; 3. Pour ce qui est des marchés du travail et de la formation, la prévision n'est pas facile à cause des imperfections et des contraintes de la demande et de l'offre. Même si dans le passé plusieurs économistes ont fait enquête sur les principaux facteurs qui déterminent les changements dans la productivité, il n'a pas été possible d'introduire ces changements en tant que variables dans l'analyse d'un système économique. Celui qui veut y aller des prévisions en matière de main-d’oeuvre doit être en mesure de prévoir les changements technologiques en corrélation avec la modification des facteurs strictement économiques de façon à préconiser les ajustements de main-d'oeuvre en conséquence. C'est là le premier critère dont il faut tenir compte. Le deuxième élément nécessaire pour répondre à la demande, c'est la connaissance des procédés d'embauchage au niveau de l'entreprise. Ceux-ci, variant d'un employeur à l'autre, il est sûr que la prévision ne peut être que complexe. L'entreprise peut-elle substituer un technicien à un ingénieur, un manoeuvre à un ouvrier semi-qualifié, etc. ? Autant de faits qui dépendent de nombreux facteurs qu'on ne peut pas facilement cerner. Le degré de scolarité et de qualification exigé pour l'accession à un poste déterminé varie d'une entreprise à l'autre. On ne peut ignorer non plus le fait de la formation en atelier et de l'avancement par promotion. Dans certaines entreprises, on recourt à la main-d'oeuvre spécialisée au fur et à mesure des besoins. D'autres, au contraire, pratiquent une politique de main-d'oeuvre qui favorise les plans de carrière. Pour tous ces motifs, et bien d'autres encore, il s'avère donc qu'il soit fort difficile de faire des prévisions exactes à partir de la demande. En ce qui concerne l'offre, selon l'auteur, on a accordé pas mal d'attention au niveau du chômage, aux taux de participation à la main-d'oeuvre et à la mobilité géographique des travailleurs, mais on est loin d'avoir fait des efforts comparables en ce qui a trait aux choix des métiers et des professions ainsi qu'à la mobilité professionnelle. Ce qui existe se ramène à des hypothèses peu justifiées ou est exprimé en termes tellement généraux qu'on ne peut guère l'utiliser dans la prévision des besoins. Il est naturel que les personnes chargées de la prévision puissent disposer au moins de certains renseignements sur les choix professionnels qui ne le soient pas uniquement en fonction des taux de naissance, de mortalité et de participation. Il peut y avoir une centaine de variables qui influent sur le choix d'un métier ou d'une profession. En réalité, la situation en ce qui touche l'offre oblige à connaître les raisons qui, cette fois à un niveau individuel, déterminent les processus décisionnels. Les théories mises de l'avant en matière de capital humain laissent à désirer en tant qu'instrument général de prévision de l'offre en ce qu'elles ne font pas voir le lien entre les caractéristiques observables et les avantages d'emploi et l'idée que s'en font les individus et ce qu'ils espèrent en retirer dans la réalisation de leur carrière. On a sans doute fait des recherches sur les variables techniques, économiques, institutionnelles et personnelles qui influencent l'offre de travail, mais il s'agit presque toujours de considérations hypothétiques. Il faudrait disposer d'une théorie plus solide de l'offre qui permettrait de considérer les choix travail-loisir, les revenus espérés en rapport avec la décision de se spécialiser ou de changer d'emploi, le rôle des orienteurs, les renseignements diffusés sur la nature des emplois, les politiques de recrutement et d'embauchage, la formation en atelier. Outre les variables strictement démographiques, il faudrait avoir des renseignements sur la persistance des individus dans tel ou tel emploi, alors que les travaux préliminaires entrepris concernant l'usure des effectifs semblent indiquer que ce n'est pas là une tâche très facile. En troisième lieu, l'auteur signale que la connaissance des rapports fondamentaux entre la demande et l'offre de travail ne suffirait pas à mettre au point une méthode assurée de prévision. Il faut en outre pouvoir maîtriser les forces et les mécanismes agissant à l'intérieur des marchés du travail. Cela force à se poser un certain nombre de questions relativement au déphasage et aux imperfections des marchés qui peuvent influencer la prévision. On pourrait aussi s'interroger sur les effets des modifications de programmes d'éducation sur la composition de la main-d'oeuvre. Il y aurait également lieu d'établir certaines hypothèses relativement aux changements qui se produisent dans l'utilisation du travail : modification de la semaine de travail, des cadences de travail, des périodes de vacances. On pourrait encore ajouter à cette longue énumération. Il faudrait, enfin, penser à la création d'organismes composés d'ingénieurs industriels, de directeurs du personnel et d'experts qui faciliteraient le travail de prévision. Non seulement l'établissement de tels organismes permettrait-il de mettre en commun les données, mais il pourrait servir de moyens de communication auprès du public. On pourrait aussi procéder à des études sur les plans de carrière et sur certains groupes d'emplois en particulier, études qui seraient très utiles et pourraient conduire à la mise au point de techniques plus valables que les instruments dont disposent actuellement les spécialistes en matière de prévision des besoins en main-d'oeuvre.

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.

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.000
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow), Insufficient payload (model declined to judge)
Consensus categoriesInsufficient payload (model declined to judge)
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Simulation or modeling · Consensus signal: Simulation or modeling
GenreCandidate signal: Methods · Consensus signal: Methods
Teacher disagreement score0.346
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0000.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0000.000
Scholarly communication0.0000.000
Open science0.0000.000
Research integrity0.0010.001
Insufficient payload (model declined to judge)0.0020.003

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.

Opus teacher head0.031
GPT teacher head0.244
Teacher spread0.213 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it