Comment gérer des communautés de pratique interorganisationnelles ?
Notice bibliographique
Résumé
Résumé La communauté de pratique interorganisationnelle permet à plusieurs organisations de partager entre elles des bonnes pratiques et des connaissances et facilite la coordination entre différents acteurs d’un secteur industriel. Ses membres s’engagent à joindre leurs efforts pour communiquer leurs savoirs, collaborer à la résolution de problèmes soulevés par leurs pairs, leurs organisations et la communauté elle-même, et innover là où de nouvelles voies sont requises pour avancer. Après avoir traité des bénéfices des communautés de pratique interorganisationnelles, cet article présente les phases de leur implantation : s’assurer d’un leadership et d’une vision partagée; s’assurer d’une culture organisationnelle propice et se doter d’une gouvernance partagée; planifier les échanges afin de valoriser les communications entre les ressources humaines; se doter d’une plateforme technologique commune suscitant la collaboration des personnes; enfin, piloter la communauté dans le sens de la collaboration. Ensuite, nous donnons deux exemples réels de communautés de pratique interorganisationnelles. Finalement, nous insistons sur deux conditions de succès de ces communautés : d’une part, favoriser les ententes entre organisations et reconnaître leur valeur ajoutée, et, d’autre part, prôner un leadership respectueux des communautés. Fonctions : GRH, TI, management, économie, production
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,017 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,009 | 0,016 |
| Communication savante | 0,014 | 0,014 |
| Science ouverte | 0,002 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».