MétaCan
Menu
Retour à la cohorte
Enregistrement W4390886133 · doi:10.1522/revueot.v32n3.1692

Romero-Torres, A., Brunet, M., Lalonde, B. et Aubry, M. (2023) La maturité en gestion de projet : améliorer la performance organisationnelle. PUQ.

2024· article· fr· W4390886133 sur OpenAlexaffvenue
Christophe Bredillet

Notice bibliographique

RevueRevue Organisations & territoires · 2024
Typearticle
Languefr
DomaineDecision Sciences
ThématiqueConstruction Project Management and Performance
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésSociologyPsychology

Résumé

récupéré en direct d'OpenAlex

Deux préfaces sont écrites respectivement par Réal Laporte et par Debra Dollard.La première permet d'appréhender le contexte de l'ouvrage et sa contribution attendue, à savoir offrir une démarche structurée pour accompagner l'amélioration dans la réalisation des projets et leur contribution à la réussite des stratégies organisationnelles.La seconde, plus orientée vers le secteur public, permet de situer la recherche de maturité et le plan d'action afférent comme vecteur de création de valeur rappelant l'historique de collaboration avec les auteurs à ce sujet.L'avant-propos permet aux auteurs de préciser le périmètre de l'ouvrage : l'évaluation de la maturité en gestion de projet et en gestion organisationnelle de projet.Ils ajoutent : « À notre connaissance, le premier ouvrage en français à aborder directement ces questions.» Le contenu est ancré dans les résultats de travaux de recherche-action et d'interventions dans diverses organisations.Après une brève définition du concept de maturité, les auteurs précisent que l'ouvrage couvre deux aspects : la maturité en gestion de projet et la maturité en gestion organisationnelle de projet.La genèse de l'œuvre est ensuite présentée.Puis, l'avant-propos est conclu par une argumentation quant à « l'intérêt d'entreprendre une évaluation de la maturité en gestion de projet et en gestion organisationnelle de projet », car conduisant à l'amélioration de la performance dans les deux aspects couverts.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,005
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,084

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0020,002
Communication savante0,0060,006
Science ouverte0,0010,002
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0250,010

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.

Tête enseignante Opus0,022
Tête enseignante GPT0,293
Écart entre enseignants0,271 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRevue Organisations & territoiresMême sujetConstruction Project Management and PerformanceTravaux en français237 207