L'alignement des pratiques de gestion des ressources humaines au contexte stratégique et la performance : cas des chauffeurs dans les sociétés de transport en commun au Québec
Bibliographic record
Abstract
Nombreux sont les chercheurs qui se sont intéressés à l'alignement des pratiques de gestion des ressources humaines à la stratégie d'affaire. Les validations empiriques restent, cependant, moins nombreuses. \n \nEn effet, une panoplie d'approches, théoriquement aussi bien argumentées les unes que les autres, servent de filtre conceptuel à plusieurs études empiriques réalisées au cours de la dernière décennie. \n \nBien que les résultats de ces études confirment la présence de lien entre les pratiques de gestion des ressources humaines et l'accroissement de la performance, peu de chercheurs ont pris en considération à la fois plusieurs pratiques de gestion des ressources humaines et plusieurs indicateurs de performance (économique et sociale). \n \nLa présente étude a été réalisée auprès des 9 sociétés qui constituent le réseau des sociétés de transport en commun au Québec. Elle cherche, à travers une analyse des pratiques de gestion des ressources humaines appliquées aux chauffeurs, à étudier la relation entre l'alignement de ces pratiques à la stratégie d'affaire et la performance économique et sociale réalisée par ces sociétés. \n
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 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.006 | 0.010 |
| Scholarly communication | 0.009 | 0.004 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.016 | 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".