English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Zendy Pro

Presents the zaia usage as premium feature

ZAIA

Presents AI Discovery search usage as a premium feature

AI Discovery

Presents AI Discovery explain and summary usage as a premium feature

Content Analysis

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Presents the pdf analysis as premium feature

PDF Analysis

1500 Top-up

3000 Top-up

Zendy Basic

2500 Top-up

Zendy Unlimited

Presents the access of premium content as premium feature

Premium Content

Louis Laurencelle Université du Québec à Trois‐Rivières  La sélection de personnel pour un emploi se base souvent sur une norme psychométrique qu’un candidat doit atteindre afin d’être recruté. Or, cette norme est statistique, c’est‐à‐dire calculée sur les mesures d’un simple échantillon de la population concernée, et il s’ensuit une incertitude, voire un risque d’erreur, dans la décision de retenir ou rejeter le candidat. Nous proposons une méthode d’établissement d’une norme psychométrique dont la probabilité d’erreur est strictement contrôlée, une « norme sûre », dont la valeur s’appuie uniquement sur les propriétés de base d’une série statistique, sans modèle paramétrique invoqué.  Personnel selection for a job often uses a psychometric norm that the applicant must reach or surpass in order to be retained. Because this norm is statistical, i.e. based on a sample of values drawn from the population, it is marked with uncertainty and this entails a risk of error in deciding whether to retain or dismiss the candidate. We propose a method for establishing a psychometric norm for which the probability of an erroneous decision is strictly controlled, a “safe norm”, calculated using only the fundamental properties of the sampled values, without any recourse to a parametric model.   Dans le but de sélectionner et qualifier une personne pour un emploi, les entreprises moyennes à grandes ont de plus en plus recours au testing psychométrique. Que ce soit pour évaluer des compétences cléricales dans la fonction publique, des qualités de force et d’endurance physique dans les forces de l’ordre ou des habiletés motrices et perceptivo‐motrices pour certains métiers, les tests permettent de passer au crible les candidats qui se présentent et de transmettre à l’employeur des recrues qui satisfont certains critères prédéfinis, selon une stratégie d’emploi planifiée. Des règles semblables de sélection et de qualification peuvent s’appliquer aussi pour le cheminement d’élèves en éducation, la détection de conditions pathologiques en médecine et dans d’autres contextes. Sélectionner, cependant, signifie prendre une décision, c’est‐à‐dire décréter que la personne évaluée « passe » ou « ne passe pas » le test. Supposons, comme il arrive parfois, que toute la procédure de test aboutisse à un score unique (X0), que ce score doive être comparé à une valeur de référence, une norme, cette valeur ayant été établie à partir d’une population de référence. Cette norme occupe un rang centile déterminé dans la population, le rang γ (0 < γ < 1), et peut être dénotée Xγ, de sorte que  Pr{X ≤ Xγ} = γ ; (1) c’est d’ailleurs par le rang centile que souvent la norme est définie, dans le but de retenir les meilleurs 20 % (γ = 0,80) ou 5 % (γ = 0,95) de la population. La règle de sélection se formulerait alors :  Retenir le candidat si son score X0 ≥ Xγ . (2) En appliquant cette règle, un candidat qui n’atteindrait pas le seuil imposé Xγ serait certain d’être rejeté, alors qu’un qui l’atteindrait serait forcément recommandé. Autrement dit, Pr {Retenir le candidat | X0 = Xγ – δ } = 0 (3) Pr {Retenir le candidat | X0 = Xγ + δ } = 1 , pour δ > 0 . Le contexte décrit dans le paragraphe précédent est idéal, et il est utopique d’en espérer la réalisation. En fait, à moins de disposer de moyens financiers colossaux, les entreprises ne mesurent pas toute la population : elles doivent se contenter d’un groupe normatif ― un échantillon représentatif de la population de référence, d’une taille suffisante pour assurer

L'établissement d'une norme de qualification sûre dans un contexte non paramétrique