L'influence de l'iniquité externe liée à la rémunération totale directe payée sur la rétention des PDG au Canada
Bibliographic record
Abstract
Ce mémoire s’intéresse à un volet peu exploré de la rétention des PDG, à savoir l’effet d’une iniquité externe dans la rémunération totale directe sur leur démission. Son objectif est de comprendre l’influence d’une iniquité externe dans la rémunération totale directe des PDG sur leur probabilité de démission. Grâce à la théorie de l’équité d’Adams (1963, 1965), la justice organisationnelle de Greenberg (1990) et la théorie des attentes de Vroom (1968), différentes hypothèses ont été développées, lesquelles ont été confirmées et infirmées à partir de modèles de régressions linéaire et logique. Plus précisément, l’analyse repose sur la population des PDG d’entreprises canadiennes inscrites sur le S&P/TSX60. Cet indice a été choisi puisqu’il permet de regrouper les 60 compagnies ayant les plus grandes capitalisations boursières de l’ensemble des entreprises inscrites sur le S&P/TSX. L’échantillon se compose de 55 PDG, répartis au sein de 42 entreprises du S&P/TSX 60. Cette étude est une étude longitudinale; la collecte donnée ayant été effectuée au sein de circulaires de direction, de rapports et de sites spécialisés, et ce, sur une période financière de cinq (5) ans (2015-2019). Les résultats démontrent qu’il est possible de rejeter les hypothèses nulles sous lesquelles l’iniquité externe dans la RTD payée, qu’elle soit favorable ou défavorable, n’aurait aucun impact sur la probabilité de démission d’un ou une PDG. Cela étant dit, il convient toutefois de préciser que le pourcentage d’explication de l’iniquité externe liée à la RTD payée dans la probabilité de démission est limité. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : rétention, iniquité externe, rémunération totale directe payée, PDG, performance, régression logistique
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 | 0.001 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.000 |
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".