La planification de la main-d'œuvre et l'information de gestion au sein de la fonction publique québécoise
Bibliographic record
Abstract
Depuis la dernière décennie, la planification de la main-d'oeuvre est devenue une priorité organisationnelle dans la fonction publique québécoise afin d'une part, de prévoir l'effectif requis pour répondre aux objectifs organisationnels et d'autre part, de demeurer concurrentiel et se placer comme un employeur de choix pour attirer et retenir les meilleurs candidats. Cette étude examine les stratégies d'attraction et de rétention utilisées auprès de trois corps d'emplois à savoir : a) les ingénieurs au ministère des Transports du Québec, b) les agents des services correctionnels au ministère de la Sécurité publique du Québec et c) les techniciens et les agents de recouvrement fiscal au ministère du Revenu du Québec. Une foule d'information a été puisée des banques de données de la fonction publique permettant de construire différents graphiques et tableaux. Les résultats présenteront la capacité du gouvernement du Québec à se placer comme un employeur de choix afin d'être concurrentiel face à d'autres entités provinciales, nationales et internationales. L'attraction et la rétention des employés sont des concepts majeurs en planification de la main-d'oeuvre puisqu'ils sont au coeur du potentiel des employés. L'organisation qui tient compte de la mobilisation par les tâches, de la quête du sens, de l'organisation apprenante et de la gestion de son environnement augmente ses chances de réussite de se placer comme un employeur de choix afin d'attirer et retenir les meilleurs candidats qui constitueront l'image de la fonction publique de demain.
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 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.027 | 0.004 |
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".