L'intégration professionnelle des travailleurs immigrants dans le secteur des TIC
Bibliographic record
Abstract
Le secteur des technologies de l'information et des communications (TIC) connaît un essor important depuis plusieurs années et certaines organisations connaissent une pénurie de travailleurs. C'est le cas de la région de Québec, où les organisations en TIC sont fortement sollicitées par le secteur gouvernemental et privé. Fait nouveau, plusieurs employeurs participent à des missions de recrutement à l'étranger afin de dénicher des talents. Or, après avoir consacré temps et argent pour offrir un emploi à un travailleur d’un autre pays, quelles sont les stratégies en place et les pratiques utilisées afin de réussir son intégration dans le milieu de travail ? Cet ouvrage veut jeter un regard sur les tactiques utilisées par les organisations, à travers la théorie de la socialisation organisationnelle, et mettre au jour les meilleures pratiques aux yeux des travailleurs immigrants afin de favoriser leur intégration. Les résultats sont à l'effet que, en lien avec la proposition de McMillan-Capehart (2005), l'utilisation de tactiques de socialisation individualisées en présence de diversité culturelle aurait un effet positif sur l'engagement des travailleurs envers leur organisation. Toutefois, l'engagement organisationnel n'est pas relié à l’intention de quitter. Enfin, l’examen des pratiques d’intégration les plus adaptées nous démontrent que le réseautage, le mentorat et l'aide à l'établissement contribuent à diminuer le stress occasionné par la période d'ajustement au pays et à l'organisation.
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 | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.012 | 0.003 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".