Pertes et deuil des acteurs de la digitalisation : le cas de l’automatisation des caisses dans la grande distribution suisse
Notice bibliographique
Résumé
Cette étude mobilise le cadre conceptuel du deuil et des pertes pour comprendre les réactions des acteurs organisationnels dans un contexte de changement digital. La recherche empirique se base sur une double étude de cas auprès des deux leaders du marché de la grande distribution suisse ayant mis en œuvre des systèmes d’encaissement automatique (technologies en libre-service), avec un corpus de 8 entretiens avec des managers, 12 entretiens avec des caissières et 75 entretiens avec des clients. L’étude permet d’identifier différents types de pertes perçues par les trois groupes d’acteurs concernés par la digitalisation. Alors que les managers vont surtout concevoir le changement numérique avec une perspective de gains de productivité, les employé.e.s et les client.e.s expriment des pertes symboliques susceptibles de déclencher des processus de deuil : des pertes d’identité et de repères professionnels, des pertes de relation et de qualité d’interaction, ainsi que des pertes de sens liées au changement d’image ‘modernisée’ et ‘rationnalisée’ des coopératives de la distribution suisse et de la qualité de lien associée à l’échange commercial. Cette perspective permet une meilleure compréhension de ce que signifie le changement numérique pour différentes catégories d’acteurs. En intégrant les clients à titre d’« employés partiels », nous identifions les enjeux spécifiques de cette catégorie d’acteurs dans le changement digital. Sur la base de notre analyse, nous pouvons recommander d’intégrer plus systématiquement des parties prenantes comme les clients dans les processus de sensemaking du changement digital.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».