Gérer les connaissances d’employés de service dans de grandes organisations hiérarchiques : le rôle fondamental des acteurs transversaux
Notice bibliographique
Résumé
Dans une économie de la connaissance, toute entreprise a intérêt à gérer les connaissances de ses employés à en créer de nouvelles dans un processus d’innovation continue. Reconnaître la logique communautaire des employés représente un défi pour les organisations à forte structure hiérarchique ayant de la difficulté à contrôler le travail des employés, notamment lorsque leur travail implique une interaction directe avec la clientèle. Notre article questionne la possibilité d’une écologie de la connaissance dans ces contextes organisationnels à l’aide des travaux théoriques d’Etienne Wenger, en prenant le cas du personnel navigant commercial dans les compagnies aériennes. Nous avons mené une recherche de terrain qualitative avec entretiens semi-dirigés auprès de 59 agents de bord et directeurs de vol provenant de trois compagnies aériennes occidentales. Nos résultats mettent en évidence le rôle central des acteurs transversaux pour la gestion des connaissances des communautés professionnelles dans les grandes entreprises à forte structure hiérarchique. Codes JEL : O30, M5, R49
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 | 0,003 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,007 |
| Communication savante | 0,006 | 0,003 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,001 |
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.
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 ».