GSRH en contexte de diversité religieuse et performance des PME béninoises
Bibliographic record
Abstract
L’objectif de la présente recherche est d’analyser les mécanismes de prise en compte des croyances religieuses des employés dans la politique de gestion des ressources humaines afin de maintenir ou d’accroître la performance des PME béninoises. Pour y parvenir, nous avons adopté une démarche qualitative d’analyse de contenu thématique d’entrevues. Nous avons réalisé 14 entrevues auprès des dirigeants de PME de divers secteurs d’activités (Agroalimentaire, distribution, informatique, consignation, éducation, tourisme et divertissement, etc.). Les 14 entrevues ne sont pas déterminées à l’avance et donc représentent le seuil de saturation. Nos résultats indiquent le mode de gestion de la diversité religieuse dans les PME béninoises ne concordent pas avec ce que stipule la littérature. Pour maintenir ou accroître leur performance, les PME béninoises recherchent un équilibre entre les pratiques religieuses et les pratiques de GRH. Elles ne rejettent pas entièrement les convictions religieuses en milieu de travail et ont une forte tolérance aux pratiques religieuses discrètes et sobres.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".