Comportements stratégiques autonomes et pressions institutionnelles : le cas du BYOD
Notice bibliographique
Résumé
Le phénomène du BYOD ( Bring Your Own Device , Prenez vos Appareils Personnels) représente une tendance lourde sur le marché du travail. Nombreux sont les employés qui réclament d’utiliser les appareils et logiciels de leur choix : téléphones et tablettes, sites de stockage et partage de données (Dropbox, iCloud), systèmes de discussion vidéo (Facetime, Skype) par exemple, et cette liberté peut s’avérer être un facteur décisif dans le choix d’un employeur ou pour la rétention des talents. Même dans le cas où ces pratiques sont interdites par leur organisation, certains employés, soucieux de pouvoir mieux effectuer leur travail, trouvent aisément une façon de les contourner. À l’inverse, certains employeurs s’attendent à ce que les employés utilisent leur appareil personnel (notamment leur smartphone) pour certaines tâches, réalisant ainsi une économie. À ce jour l’essentiel des recherches relatives au phénomène du BYOD s’est concentré sur l’aspect de la sécurité (des systèmes et des données organisationnelles) et du risque, sur les impacts sur la vie privée ainsi que sur des milieux spécifiques (contexte médical). Notre recherche s’intéresse aux contextes fréquents où les employés veulent utiliser leur appareil personnel ; elle tente de répondre à la question suivante : quels facteurs et mécanismes favorisent l’implantation du BYOD dans les sphères professionnelles ? En analysant le phénomène à l’aune de la théorie institutionnelle (plus particulièrement les pressions institutionnelles) et des comportements stratégiques autonomes mis en œuvre par les acteurs; nous proposons que de leur rencontre naisse le BYOD, phénomène émergent non planifié par la direction, qui conduira possiblement à l’apparition de stratégies émergentes dans les organisations. La méthodologie adoptée est une étude de cas unique.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,019 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,004 |
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 ».