L'impact de la justice distributive et procédurale sur l'intention de rester avec l'effet médiateur de l'engagement organisationnel : étude longitudinale dans le secteur des TIC
Bibliographic record
Abstract
Ce mémoire a pour objectif de comprendre l'impact de la justice distributive et de la justice procédurale sur l'intention de rester via l'effet médiateur de l'engagement organisationnel. Pour étudier cette question, nous avons émis trois hypothèses basées sur les études empiriques et certaines théories. La première hypothèse stipule que la justice distributive est positivement et indirectement liée à l'intention de rester via l'engagement organisationnel. La deuxième hypothèse suggère que la justice procédurale est positivement et indirectement associée à l'intention de rester en passant par l'engagement organisationnel. La dernière hypothèse indique que la justice procédurale a un impact plus important sur l'intention de rester que la justice distributive via l'engagement organisationnel. Les données utilisées pour cette étude longitudinale ont été colligées dans le cadre d'une enquête portant sur « les liens entre la rémunération, la formation et le développement des compétences avec l’attraction et la rétention des employés clés ». Ces données proviennent d'une entreprise internationale du secteur des technologies de l'information et des communications (TIC) à Montréal. Les participants de l'étude sont les travailleurs nouvellement embauchés durant la période du 1er avril 2009 au 30 septembre 2010. À la suite de l'analyse des données, les résultats confirment toutes les hypothèses. Ces résultats indiquent que la justice distributive et la justice procédurale sont indirectement et positivement associées à l'intention de rester par l'effet médiateur de l'engagement organisationnel. De plus, les résultats des analyses multivariées longitudinales montrent que la justice procédurale affecte davantage l'intention de rester que la justice distributive via l'engagement organisationnel. Le travail sous supervision et le soutien organisationnel perçu ont également un impact considérable sur l'intention de rester des travailleurs. Finalement, la conclusion du mémoire indique en quoi cette recherche permet de guider les gestionnaires dans l'insertion de pratiques de fidélisation du personnel.
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 | 0.008 | 0.025 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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".