Master data management : enjeux et méthodes de la gestion de données
Notice bibliographique
Résumé
RésuméEn 1983 paraît une étude américaine montrant que si les problèmes de roulement élevé du personnel infirmier étaient déjà répandus, certains hôpitaux s’en tiraient nettement mieux. Ils recrutaient et gardaient assez facilement, de là leur nom d’hôpitaux magnétiques.Pourquoi eux ? Encore aujourd’hui, la littérature évaluative est d’une grande cohérence quant aux variables critiques à la base de leur succès. Celles constituant des incitatifs non-économiques (comme la valorisation et le soutien) sont d’aussi puissants, sinon de plus puissants, « prédicteurs » de comportements que les variables jouant sur le revenu. Ces hôpitaux paient bien, mais rien de hors-normes. Ce qui est exceptionnel, c’est le milieu de travail et la satisfaction à y évoluer.Dès l’étude initiale, les auteurs notent la convergence entre les réponses des infirmières et celles de la direction, sur les éléments qui font que des hôpitaux sont magnétiques. La lecture de la réalité est similaire. Dès lors, a priori, on fait assez confiance et ne cherche pas un éventuel agenda caché. C’est une gestion par les « gestes et l’exemple ».Les traits de « bon employeur » des hôpitaux magnétiques permettent de soutenir que la réalité décrite s’applique à l’ensemble du personnel. Le personnel infirmier devient un cas traceur révélateur de l’ensemble. Ces portraits canadien, européen ou encore de sous-systèmes américains (comme l’exemple de Kaiser Permanente) montrent que des éléments systémiques jouent. Le tout n’est pas qu’affaire de gestion d’établissements isolés. Le dossier hôpitaux magnétiques ne doit pas servir à dédouaner les administrations centrales. La tentation sera toutefois forte.Prat Organ Soins 2009;40(1):39-48
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,003 | 0,007 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».