MétaCan
Menu
Retour à la cohorte
Enregistrement W2065817993 · doi:10.3917/proj.010.0041

The human side of organisational change: improving appropriation of project evolutions

2012· article· fr· W2065817993 sur OpenAlexfundno aff
Clément Perotti, Stéphanie Minel, Benoît Roussel, Jean Renaud

Notice bibliographique

RevueProjectics / Proyéctica / Projectique · 2012
Typearticle
Languefr
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensnon disponible
Organismes subventionnairesUniversité de MontpellierUniversité de MontréalUniversity of OxfordStrongOffice of Research and DevelopmentUniversity of MiamiU.S. Department of Veterans Affairs
Mots-clésAppropriationHumanitiesPolitical scienceSociologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

Résumé Cet article traite du succès du changement organisationnel. Nous introduisons ces travaux empiriques par une illustration du problème industriel : comment structurer le changement organisationnel pour assurer une appropriation correcte de l’état futur souhaité. À partir d’une analyse de la littérature, nous proposons une vision où le changement organisationnel est supporté par un double processus d’appropriation : appropriation au niveau de l’ensemble de l’organisation d’une part, et appropriation par les individus d’autre part. Nous montrerons ensuite que le projet est un moyen valide de gérer le changement organisationnel et de structurer le processus d’appropriation global par l’entreprise. Dans l’optique de soutenir le processus d’appropriation de la nouveauté par les individus, nous avons développé une méthode d’accompagnement intégrée à la gestion du changement par projet. Nous proposons un phasage générique des actions d’accompagnement par rapport aux phases d’un projet, et aux processus d’appropriation du changement par l’organisation et les individus. À partir d’une étude de trois ans des projets d’un acteur majeur du secteur aéronautique en France, nous présenterons enfin les apports de notre méthode au niveau de l’appropriation organisationnelle et individuelle.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,020
score de la tête « metaresearch » (Gemma)0,063
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,106

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,063
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,002
Communication savante0,0050,005
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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.

Tête enseignante Opus0,059
Tête enseignante GPT0,302
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProjectics / Proyéctica / ProjectiqueMême sujetInnovation and Knowledge ManagementTravaux en français237 207