Notice bibliographique
Résumé
Bien que les organisations soient de plus en plus nombreuses à implanter des réseaux sociaux d’entreprise destinés en interne à être utilisés par leurs employés, les conversations portant sur le travail empruntent aussi d’autres réseaux : les médias sociaux numériques (rsn) « publics ». Ainsi, il devient important de prendre en compte les pratiques collaboratives au travail selon les échelles et modalités nouvelles offertes par des plateformes qui traversent les sphères d’activités privées et publiques des travailleurs. La plateforme de microblogage Twitter est utilisée notamment par certains travailleurs pour diffuser des connaissances tacites ou formalisées, mais aussi les hypothèses et pistes de réflexion qui jalonnent leurs pratiques professionnelles. Alors que Twitter n’a pas été conçu à l’origine pour la conversation ni la collaboration, cette plateforme de microblogage s’immisce de façon informelle dans le quotidien des travailleurs, en leur permettant de communiquer en temps réel, via un canal public qui n’est pas nécessairement autorisé, reconnu ni contrôlé par leur organisation de travail, avec un public excédant les frontières de l’entreprise. Ainsi, les commentaires et les interactions que suscitent ces diffusions peuvent favoriser l’émergence de réseaux informels de collaboration. Cet article tente d’identifier et de caractériser les différentes formes de pratiques informelles de mise en visibilité du travail et de collaboration numérique par l’entremise de la plateforme de microblogage Twitter. Les exemples présentés permettent d’illustrer la place faite spontanément à cette plateforme par les travailleurs ayant volontairement décidé de l’intégrer dans leurs pratiques professionnelles. Nous distinguons quatre types d'usages : les récits portant sur le travail, l’ouverture et le partage de traces de son travail, la diffusion d'intentions et les « questions à la foule ».
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,165 | 0,127 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».