Bijdragen aan je eigen overbodigheid.\nEen kwalitatief onderzoek naar de ervaren uitdagingen van managers in een lean-agile transitie.
Notice bibliographique
Résumé
Door een toenemende externe druk op de gezondheidszorg experimenteren ziekenhuizen vandaag de dag met filosofieën als lean, agile en lean-agile. Eén van de organisaties die zich momenteel bezighoudt met het implementeren van deze laatste variant is de IT-afdeling van ziekenhuis Hygeia. Om hen in deze organisatieverandering te ondersteunen heeft het managementteam besloten om consultancybureau Metis hierbij te betrekken. Dit adviesbureau neemt de managers door middel van zeven managementtrainingen mee in het implementeren van het lean-agile gedachtegoed via het SAFe framework. De keuze die het managementteam van de ITA vervolgens heeft gemaakt is om de midden managers een cruciale rol te geven in de transitie. Zij zullen degenen zijn die de opgedane kennis uit de managementtrainingen moeten introduceren in de teams. Hieruit ontstond de hoofdvraag van dit onderzoek naar de uitdagingen die managers ervaren in de lean-agile transitie binnen de ITA. Door hierbij zowel via semigestructureerde interviews als participatieve observaties de ervaren uitdagingen te onderzoeken bleek hoofdzakelijk dat de midden managers zich in een paradoxale situatie begeven. Deze situatie uitte zich in een gevoel van onzekerheid en hing samen met de aard van de transitie en de discrepantie met de rol van het topmanagement. Hiernaast bleken er ook uitdagingen te bestaan op het gebied van de verschillende plaatsen die de managers innemen in het transitieproces en de ambiguïteit over concepten. Als gevolg van deze uiteenlopende situatie binnen hetzelfde managementteam is nog maar de vraag of de lean-agile transitie kans van slagen heeft en vooral nu de managementtrainingen van consultancybureau Metis zijn afgelopen en het managementteam weer op zichzelf is aangewezen.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 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 ».