Impacts du street marketing sur l’expérience utilisateur des agents de l’État dans les organisations publiques camerounaises en contexte pandémique
Notice bibliographique
Résumé
L’article vise à comprendre comment les modèles de communication alternative à l’instar du street marketing, affecte l’expérience utilisateur des agents de l’État en contexte covid-19 à partir du cas camerounais. L’échantillon pilote regroupe une dizaine de responsables publics interrogés dans dix (10) organisations publiques via la technique des entretiens semi-directif. Les résultats issus de l’analyse de contenu manuel et automatisée (via Nvivo 10) soulignent que le street marketing à travers les aspects liés à la distribution des produits et le dialogue public apportent des bénéfices substantiels en termes d’expérience utilisateur dans l’environnement étudié. Dans cette dynamique, l’expérience utilisateur est traduit sous un double angle : à travers l’expérience comportementale d’autre part et conséquences émotionnelles positives d’autres. Dans cette mouvance, la recherche parvient aux enseignements que les manœuvres opérationnelles street marketing opérées dans la sphère publique en contexte Covid-19, impactent le fonctionnement stratégique et organisationnel des structures à travers l’augmentation du levier protection des populations et de renforcement des mesures barrières en contexte Covid-19. De plus, certains aspects managériaux tels que : la participation, la promotion des libertés d’expression, la solidarité et un meilleur fonctionnement des organisations sont des valeurs publiques dévoilées dans ce cadre et qui concourent à l’amélioration de l’efficacité socio sécuritaire des structures publiques en termes de proximité relationnelle entre l’État et les citoyens en matière de santé publique
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 | 0,006 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,007 | 0,007 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,017 | 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 ».