Gestion des ressources humaines et de la neurodiversité : une analyse du processus de dotation des personnes présentant un trouble du spectre de l’autisme
Bibliographic record
Abstract
Bien que l’inclusion des personnes avec un trouble du spectre de l’autisme (TSA) progresse dans le milieu professionnel, les études menées sur l’adaptation des processus de dotation pour ces dernières par les entreprises restent rares et n’ont pas été actualisées. L’objectif de ce mémoire est de comprendre les leviers et les freins apparaissant dans les moyennes et grandes entreprises privées canadiennes lors du processus de dotation pour les personnes présentant un trouble du spectre de l’autisme (TSA) sans déficience intellectuelle et sans ou avec légère altération du langage. Dans un contexte de pénurie et de volonté de diversification de la main-d'œuvre, les entreprises s’investissent dans l’inclusion des personnes avec un TSA. Néanmoins, l’accès à certains milieux professionnels reste encore très difficile pour ces personnes. Pour essayer de comprendre ce phénomène, la présente étude se base sur la théorie des biais cognitifs et des heuristiques qui influencent inconsciemment les actions et la prise de décision des recruteurs. Lors de cette étude exploratoire, une méthodologie qualitative avec des entretiens auprès d’un échantillon de douze individus a été appliquée auprès d’entreprises et de spécialistes. Les résultats de l’étude exploratoire et de la revue de littérature listeront des leviers et freins rencontrés tout au long du processus de dotation par les personnes présentant un trouble du spectre de l’autisme. L’analyse qui en découle proposera des solutions d’adaptation que les entreprises peuvent mettre en place dans leurs processus de dotation.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.006 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.004 | 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".