Les critères de sélection de la main-d'oeuvre et le jugement sur les compétences des candidats à l'embauche au Canada : quelques éléments d'analyse
Bibliographic record
Abstract
Dans un contexte marqué par des changements accélérés et par des incertitudes multiples et diverses sur les qualités de la main-d’œuvre, le recrutement des nouveaux employés devient de plus en plus complexe, notamment dans des entreprises où l’organisation du travail est en profonde mutation. À partir des résultats d’une enquête qualitative auprès de trente entreprises canadiennes situées dans la région de Québec, cet article analyse 1) les critères de sélection de la main-d’œuvre utilisés par les entreprises qui ont fait l’objet de la recherche, en mettant l’emphase sur le rôle du diplôme, de l’expérience professionnelle et des qualités individuelles ; 2) la formation du jugement sur les compétences des candidats à l’embauche dans le processus de recrutement. Nous montrons que le diplôme perd progressivement sa valeur sur le marché du travail et que l’expérience est devenue une composante naturalisée de la compétence dont le contenu varie en fonction du jugement subjectif des recruteurs.
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 | 0.005 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.010 | 0.006 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".