Contenu du sommaire : Numéro spécial : Recherche quantitative exploratoire en GRH

Revue @GRH Mir@bel
Numéro no 50, 2024/1
Titre du numéro Numéro spécial : Recherche quantitative exploratoire en GRH
Texte intégral en ligne Accès réservé
  • La revue @grh est la revue de l'Association Francophone de Gestion des Ressources Humaines (AGRH). - Benoît Grasser, Ewan Oiry p. 3-5 accès réservé
  • Éditorial - Ewan Oiry, Benoît Grasser p. 9-10 accès réservé
  • Introduction : Numéro spécial : « Recherche quantitative exploratoire en GRH. Enjeux et méthodes » - Clotilde Coron p. 11-14 accès réservé
  • Comment tirer le meilleur parti des données ? : Panorama et illustration de l'emploi de méthodes quantitatives inductives pour la recherche en GRH - Alain Lacroux p. 15-52 accès réservé avec résumé avec résumé en anglais
    La GRH est significativement impactée par la révolution des « big data » : l'accumulation de masses de données importantes sur les salariés apparaît aujourd'hui dans le discours de certains observateurs comme une condition nécessaire et suffisante pour la construction de modèles prédictifs de comportements complexes au travail comme l'absentéisme ou la performance en poste. En réalité, les enjeux majeurs ne tournent pas autour de la quantité des données, mais concernent plutôt les méthodologies permettant la transformation de ces données en connaissance, si possible actionnable. Les réflexions sur les méthodes applicables pour relever ce défi sont relativement récentes, et mentionnent régulièrement un renouveau de l'empirisme dans un « quatrième paradigme » fondé sur l'exploitation intensive et « agnostique » de masses de données en vue de faire émerger des connaissances nouvelles, selon une logique purement inductive. Sans adopter ce point de vue spéculatif, force est de constater que les approches inductives basées sur les données (data driven) demeurent rares dans les études quantitatives en GRH. Il existe pourtant des méthodes bien établies, notamment dans le domaine de la fouille de données (data mining), qui reposent sur des approches inductives. Ce domaine de l'analyse quantitative à visée inductive demeure encore assez peu exploré en GRH (à l'exception des analyses typologiques). L'objectif de cet article est tout d'abord de dresser un panorama des méthodes mobilisables pour des recherches en GRH, avant de proposer une illustration empirique qui consiste en une recherche exploratoire combinant une analyse en profils latents et une exploration des profils obtenus par des modèles graphiques gaussiens.
    HRM has been significantly impacted by the big data revolution: the collection of large amounts of data on employees is now seen by some observers as necessary and sufficient for building predictive models of complex work behaviors, such as absenteeism or job performance. In practice, the major challenges do not concern the quantity of data, but rather the methodologies needed to transform this data into actionable knowledge. Considerations on the methods available to meet this challenge are relatively recent, and often emphasize a revival of empiricism in a "fourth paradigm" based on the intensive and "agnostic" exploitation of masses of data in order to generate new knowledge, according to a strictly inductive logic. Despite these speculations, it is clear that data-driven approaches are scarce in quantitative HRM studies. However, well-established methods do exist, particularly in the field of data mining, which are based on inductive approaches. This area of quantitative analysis with an inductive aim is still relatively unexplored in HRM (with the exception of cluster analysis). The purpose of this article is first to provide an overview of the inductive methods that can be used for HRM research, before proposing an empirical illustration that combines latent profile analysis with an exploration of the profiles obtained by Gaussian graphical models.
  • Mind wandering et profils de bien-être : un exemple de recherche quantitative inductive menée à l'aide d'une analyse en profils latents - Franck Bietry, Carine Bourdreux, Jordane Creusier p. 53-76 accès réservé avec résumé avec résumé en anglais
    L'ambition de cet article est de montrer à partir d'un exemple la puissance heuristique d'un traitement statistique inductif particulier, en l'occurrence les analyses en profils latents (APL) (latent profile analysis : LPA). Appliquées au concept de bien-être au travail, elles permettent tout d'abord de mettre au jour les profils existant dans un échantillon de 496 salariés. Une procédure séquentielle, tirant successivement parti d'une batterie d'indicateurs quantitatifs et d'une lecture graphique plus qualitative, est pour cela nécessaire. Sur la base d'une simple intuition plutôt que d'une série d'hypothèses justifiées par une argumentation théorique, il devient dès lors possible de montrer que la propension au Mind wandering est associée négativement à la probabilité d'appartenir au profil de fort bien-être. Cet exemple révèle ainsi comment un raisonnement exploratoire quantitatif fondé sur des APL peut contribuer à alimenter une discussion académique naissante dans le domaine du comportement organisationnel.
    The aim of this article is to demonstrate, using a specific example, the heuristic power of a particular inductive statistical approach, namely latent profile analysis (LPA). Applied to the concept of well-being at work, LPA effectively reveals profiles within a sample of 496 employees. A sequential procedure, involving quantitative indicators and qualitative graphical interpretation, was necessary to achieve this. Based on an intuitive understanding rather than a series of hypotheses justified by theoretical argumentation, it then becomes possible to show that the propensity for mind wandering is negatively associated with the likelihood of belonging to the high well-being profile. This example thus reveals how quantitative exploratory reasoning based on LPA can contribute to emerging academic discussions in the field of organizational behavior.
  • Positive mental health in work and private life: Extending modeling to a data-driven approach - Franck F. Jaotombo p. 77-109 accès réservé avec résumé avec résumé en anglais
    Cette recherche vise à étendre le concept de la Santé Mentale Positive (PMH) (Keyes, 2002) conçu comme épanouissement, d'un contexte général aux contextes spécifiques professionnel et privé. D'un point de vue conceptuel, à la lumière de la conception intégrée d'équilibre vie privée & vie professionnelle (Sirgy & Lee, 2018), nous explorons l'éventualité que les structures factorielles de la PMH entre vie privée et vie professionnelle puissent être corrélées, mais distinctes. En termes de méthodologie, nous intégrons plusieurs approches. Nous analysons le construit multidimensionnel de PMH en intégrant simultanément un facteur général et des facteurs spécifiques. Pour ce faire, nous nous appuyons sur une approche à la fois centrée sur les variables et sur les personnes, en tenant simultanément compte des contextes au travail et hors travail. Deux différentes études sont menées – d'échantillons respectifs de taille n=304 et n=1066 – pour explorer la structure factorielle de ce construit étendu et intégré de PMH. Pour chacune d'entre elles, une modélisation en équations structurelles exploratoires bifactorielle (Bi-ESEM) offre le meilleur ajustement aux données. Une analyse en classe latente permet d'explorer les différentes classes de PMH illustrant chacune une typologie différente de PMH dans un contexte professionnel-privé. Une méthode d'apprentissage supervisé (arbres de classification) est utilisée pour diagnostiquer efficacement l'attribution des individus à chaque classe. En s'appuyant sur ces résultats pour étudier le fonctionnement psychosocial, nous montrons qu'il existe une différence significative entre les profils, où ceux qui sont épanouis dans tous les contextes incarnent les niveaux les plus bas de risques psychosociaux, alors que ceux qui languissent au travail en incarnent les niveaux les plus élevés. Nous en concluons que la distinction entre PMH en contexte de travail et PMH hors travail éclaire des aspects du construit qui ne sont pas disponibles dans son expression générale seule. L'apprentissage supervisé (Machine Learning) s'avère être un outil fiable et efficace de diagnostic et de prédiction des classes de PMH, démontrant une importante performance prédictive (Taux de classification = 0.90, Kappa = 0.86).
    This research aims to extend the concept of positive mental health (PMH) as flourishing (Keyes, 2002) from a general context to specific work and non-work contexts. Conceptually, based on the integrated work-life balance framework (Sirgy & Lee, 2018), we explore the possibility that PMH in work life may be distinct from yet correlated with its counterpart in non-work life. Methodologically, we integrate several approaches. We analyze the multifaceted construct of PMH in such a way as to include and differentiate the general from the domain-specific expressions of PMH, using a person- and variable-centered approach, while accounting for the work and non-work contexts. Two different studies—respectively n=304 and n=1066—are used to explore the factor structure of this extended integrated construct of PMH. For each sample, a bifactor exploratory structural equation modeling (Bi-ESEM) provides the best fit to the data. Latent class analysis provides a means to explore different classes of PMH. A machine learning algorithm (classification trees) is used as an operational method to diagnose class assignment and to test classification predictive performance. Drawing on data from a sample of 1,066 French workers, our model reveals four classes of respondents, each displaying a particular profile of PMH in work-life contexts. Applying it to psychosocial functioning, we show that general and specific factors have significantly different associations with the reduction of psychosocial risks, and that there are significant differences between the profiles, wherein the full cross-context flourishers display the lowest level of absenteeism, presenteeism, turnover intentions, and work unhappiness, and the professional languishers the highest. We conclude that splitting PMH into work and non-work contexts highlights some significant facets and outcomes of the construct that are not available in its general expression alone. Machine learning proves to be an efficient and reliable way to diagnose and predict PMH with a high level of performance (accuracy=0.90, Kappa=0.86).
  • L'intelligence émotionnelle dans le contexte professionnel : un regard nouveau grâce à la technique Q - Hélène Delerue, Virginie Moisson p. 111-136 accès réservé avec résumé avec résumé en anglais
    L'étude de l'intelligence émotionnelle est caractérisée par la controverse et la critique car elle fait face à des défis liés à la fois à sa définition et à sa mesure. La littérature managériale n'a accordé que très peu d'attention à la compréhension de la manière dont les individus donnent du sens à l'intelligence émotionnelle et évaluent ses différentes composantes dans le contexte professionnel. Ce papier illustre la technique Q comme un excellent exemple d'approche quantitative, inductive et interprétative, permettant de répondre à des questions de recherche telles que « Qu'est-ce que l'intelligence émotionnelle ? » et « Est-elle perçue différemment selon le statut professionnel ? »
    Facing challenges related to both its definition and measurement, the study of emotional intelligence is marked by controversy and criticism. Management literature has paid very little attention to how individuals apprehend emotional intelligence and assess its various components in the professional context. This paper illustrates why the Q technique provides an excellent example of a quantitative, inductive, and interpretative approach, capable of addressing research questions such as: “What is emotional intelligence?” and “Is it perceived differently based on professional status?”
  • Le rôle de la loi dans l'institutionnalisation des pratiques managériales : une analyse lexicométrique du discours sur la GPEC dans la presse française - Olivier Cristofini, Florent Noël p. 137-161 accès réservé avec résumé avec résumé en anglais
    Cet article contribue à une meilleure compréhension des processus d'institutionnalisation des pratiques managériales. Il met l'accent sur le moment clé où une pratique émergente devient l'objet d'une obligation légale ou réglementaire et s'impose à toutes les organisations. Pour cela, une démarche inductive reposant sur un corpus de 768 articles de presse parus entre 2001 et 2022 et portant sur la Gestion Prévisionnelle des Emplois et des Compétences (GPEC) a été conduite en recourant à la méthode de statistique textuelle ALCESTE. Nos résultats permettent de retracer le processus d'institutionnalisation de la GPEC qui vient changer le paradigme des pratiques de gestion de l'emploi. L'inscription dans la loi en 2005 a notamment contribué à la théorisation des démarches de GPEC et à renforcer leur légitimité. La discussion suggère également qu'en laissant suffisamment de place à la négociation, la loi a permis de maintenir une ambiguïté autour de la GPEC, et ainsi de préserver sa désirabilité du fait de la possibilité de différenciation dans son adoption.Mots-clefs
    This article sheds light on the institutionalization processes at work within managerial practices. It highlights the key moment when an emerging practice becomes subject to legal or regulatory obligations and becomes mandatory for all organizations. Using an inductive approach, we analyzed a corpus of 768 press articles published from 2001 to 2022 on strategic workforce planning (SWP), employing the ALCESTE textual statistics method. Our results trace the trajectory of SWP institutionalization, a phenomenon which has shifted the employment management practice paradigm. The legal enactment of SWP in 2005 significantly contributed to its theorization and bolstered its legitimacy. There is also evidence to suggest that, by leaving ample room for negotiation, the law has maintained a level of ambiguity regarding SWP, which preserves its desirability by allowing for differentiation in its adoption.