Gérer des équipes virtuelles internationales : une question de proximité et de technologies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Résumé L’émergence des équipes virtuelles internationales dans les organisations entraîne des défis de management en raison de la dispersion géographique et temporelle ainsi que du multiculturalisme de leurs membres. En principe, la gestion d’équipes virtuelles internationales devrait procurer de nombreux atouts aux organisations aux points de vue de la réduction des coûts, de l’efficience, de la créativité, de la performance, etc. En pratique, toutefois, la gestion de telles équipes à distance fait face à certains obstacles. Dans un premier temps, cet article vise à discuter des trois grands défis – les trois C – liés à la gestion des équipes virtuelles internationales, soit la communication, la confiance et la compréhension interculturelle. Dans un deuxième temps, nous analysons deux équipes virtuelles internationales au sein d’une société qui sont gérées avec des styles de management fort différents, soit le management de proximité et le management à distance. Cela permettra de comparer ces styles de management et leurs effets sur le fonctionnement et l’efficacité des équipes. Dans un troisième temps, nous insistons sur cinq conditions de succès clés pour améliorer la confiance au sein des équipes virtuelles internationales : constituer des équipes virtuelles, faire circuler l’information à travers les technologies de l’information et de la communication (TIC), éviter le management fondé uniquement sur les TIC, privilégier le management de proximité et exercer un suivi des résultats des équipes. Fonctions : international, GRH, management, gestion des opérations, TI Industries : télécommunication, TI
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.
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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle