Étude de la capacité prévisionnelle de la vérification de Facebook et LinkedIn à prédire la performance au travail et ses trois dimensions chez les travailleurs francophones
Bibliographic record
Abstract
Les organisations vérifient de plus en plus les médias sociaux des candidats dans le cadre de leurs processus de sélection du personnel. Toutefois, comme peu de recherches ont été effectuées à ce sujet, certains auteurs mentionnent qu'il est important de réaliser davantage d'études afin d'établir la validité prédictive de la vérification des médias sociaux (VMS) sur des critères organisationnels importants. Par ailleurs, comme les quelques recherches actuelles ont surtout étudié le site à vocation personnelle Facebook, l'étude du site à vocation professionnelle LinkedIn semble maintenant nécessaire. La présente étude visait à comparer la capacité de la vérification de Facebook et de LinkedIn à prédire la performance globale au travail ainsi que ses trois dimensions : la performance de tâche, les comportements de citoyenneté au travail et la performance adaptative. Au moyen d’un devis corrélationnel transversal, huit évaluateurs canadiens francophones, qui étaient des professionnels en sélection du personnel ou en psychologie du travail avec minimalement une année d’expérience, ont évalué le profil Facebook de 96 travailleurs canadiens francophones ayant au moins six mois d’ancienneté dans leur poste et le profil LinkedIn de 57 de ces mêmes travailleurs. Les évaluateurs ont observé les profils Facebook ou LinkedIn des participants qui leur étaient attitrés et ont complété, pour chaque participant, un questionnaire conçu pour les besoins de l’étude basé sur Bourgelas et al. (2017) afin d’évaluer la performance de tâche, les comportements de citoyenneté organisationnelle (CCO), la performance adaptative et la performance globale au travail. Les prédictions des évaluateurs ont été comparées à une autoévaluation de la performance de tâche et des CCO en utilisant l’échelle de Williams et Anderson (1991) validées en français par Paiement et al. (2018) ainsi qu’une autoévaluation de la performance adaptative obtenue via l’échelle de mesure de Chardonnier-Voirin et Roussel (2012). La performance globale au travail autorapportée a été calculée avec une moyenne des scores de ces dernières échelles. Des analyses de régression linéaire simple ont été effectuées pour tester les questions de recherche. La présente étude révèle que la VMS ne permet pas de prédire de façon significative la performance globale au travail ou ses dimensions, et que l’utilisation de LinkedIn ou Facebook n’a pas d’impact significatif sur la puissance prévisionnelle. Cette étude est importante, car bien que la vérification des médias sociaux soit une pratique répandue, elle n'a pas suffisamment de validation scientifique. À la suite de cette étude, les praticiens en recrutement peuvent mieux comprendre pourquoi la vérification des médias sociaux devrait être abordée avec prudence en l’état des connaissances actuelles.
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 | 0.014 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.004 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 0.002 |
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".