Comportements stratégiques autonomes et pressions institutionnelles : le cas du BYOD
Notice bibliographique
Résumé
The Bring Your Own Device phenomenon (BYOD) represents a major trend on the job market. Many employees demand to use the devices and software of their choice: mobile phones, tablets, online data storage and data sharing sites (Dropbox, iCloud), videoconferencing systems (Facetime, Skype) among others. This flexibility can be key when choosing an employer or for the purpose of talent retention. Even when these practices are not allowed, many employees, anxious to do their job better, easily find a way around. Conversely, some employers expect their employees to use their own smartphone for some tasks, thus saving on costs. Most of the research published to date on this topic focusses on security (of organizational systems and data), risks, privacy, and in specific contexts (medical settings). Our research focusses on contexts where employees want to use their own device; it tries to answer the following question: what factors and mechanisms enable the implementation of BYOD in professional spheres? We analyse this phenomenon through the lens of institutional theory (more specifically institutional pressures) and by identifying autonomous strategic behaviours of key actors; we suggest that the interplay of institutional pressures and autonomous behaviours leads to BYOD, an emergent phenomenon, that was not planned by management, and then, in turn, possibly to emerging strategies. Our methodology is a case study.
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 | 0,007 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,013 |
| Communication savante | 0,013 | 0,010 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».