L’entreprise face aux attentes de la génération Z : un risque de désalignement des valeurs
Bibliographic record
Abstract
Dans un environnement professionnel en profonde transformation, notamment depuis la pandémie de COVID-19, comprendre et répondre aux attentes de la génération Z s’avère crucial pour les entreprises. Cette recherche explore les valeurs et attentes professionnelles de cette génération, en soulignant l’importance de l’alignement des valeurs personnelles sur celles de l’entreprise, de la flexibilité, et des environnements de travail éthiques. À travers une méthodologie qualitative utilisant le logiciel IRaMuTeQ, des entretiens semi-directifs ont révélé que la génération Z valorise des pratiques de gestion favorisant la reconnaissance régulière et le développement personnel. Les résultats confirment l’importance de la transparence et de la responsabilité quotidienne dans la réalisation des tâches, ainsi que la nécessité de créer des environnements de travail dynamiques et collaboratifs. Les implications managériales suggèrent l’intégration proactive de ces attentes dans les politiques de ressources humaines pour attirer et retenir efficacement cette génération. Les recommandations incluent la mise en place de politiques environnementales durables et des initiatives de diversité et d’inclusion.
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 | 0.007 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.005 | 0.004 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.007 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".