La transition numérique des structures œuvrant au service de l’intérêt général peut-elle augmenter leur impact social ?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Quelles sont les conditions de la maximisation de l’impact, et notamment sa pérennisation, du mécénat de compétence tech au profit des organisations dont la mission relève directement et prioritairement de la gestion du bien commun au service de l’intérêt général ? Telle est la question de recherche que la Fondation Devoteam a posée à l’ESSEC au moment de la mise en place de son programme #TechFor-People, afin de s’assurer de la pertinence de ce programme pour répondre aux besoins sur le long terme des structures de l’ESS (Économie Sociale et Solidaire) en transformation digitale. Afin de répondre à cette problématique l’ESSEC a réalisé une évaluation d’impact social fondée sur les cadres théoriques de la théorie du changement et de la théorie des parties prenantes, avec l’analyse de besoin, une collecte de données qualitatives ex-ante ainsi qu’une collecte de données quantitative ex-ante et ex-post. L’analyse de ces collectes révèle une dichotomie spécifique aux structures de l’ESS utilisant le programme que nous avons catégorisées en Tech Driven d’une part, ou Tech Powered d’autre part, avec des besoins et des conditions de pérennisation spécifiques en fonction de la catégorie qui leur correspond.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle