Création de valeur avec la communauté et innovation de modèle d'affaires : une exploration sur base des Learning Management Systems open source
Notice bibliographique
Résumé
Les communautés liées aux projets de logiciels libres tendent à être vues comme des soutiens aux éditeurs open source. Pourtant, la communauté peut aussi être le centre de conflits parfois violents, notamment lors de changements de stratégies ou de modèles d'affaires, qui peuvent conduire au fork, c'est-à-dire à une scission de la communauté, avec à la clef l'apparition d'un projet concurrent vers lequel la migration est facilitée. En repartant des recherches de Viseur et Charleux (2019) dédiées à l'écosystème Claroline, nous analysons l'effet de l'innovation de modèle d'affaires sur le projet Claroline et ses dérivés (Dokeos, Chamilo). L'innovation de modèle d'affaires, étudiée en mobilisant sur l'éditeur open source Dokeos le concept de cycle de vie d'un modèle d'affaires de Laudien et al. (2017), peut être une source de conflits. Ces derniers sont analysés en nous basant sur le modèle « Exit, voice and loyalty » d'Hirschman (2017). Nous montrons que la communauté constitue une ressource que l'éditeur peut ou non choisir de mobiliser, ou de conserver, en fonction de ses valeurs et de sa stratégie de croissance.
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 | 0,011 | 0,036 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,005 |
| Communication savante | 0,010 | 0,011 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».