Développement et évaluation d'un prototype d'outil d'autodiagnostic de la gestion de l'alignement stratégique des technologies de l'information (TI)
Bibliographic record
Abstract
L'alignement stratégique des technologies de l'information (TI) constitue, aujourd' hui, une des préoccupations partagées entre les gestionnaires d'affaires et les gestionnaires en ressources informationnelles. En particulier, les décisions d'aligner les systèmes d'information avec les processus, les buts et les stratégies occupent de plus en plus de place et sont perçues comme prioritaires par les gestionnaires (Campbell et al., 2005). Ce mémoire est une étude exploratoire qui vise à répondre à la question suivante: est-il possible de concevoir un outil d'autodiagnostic pour améliorer les décisions d'alignement stratégique des gestionnaires de l'informatique? La conception de cet outil adopte une perspective de plus en plus utilisée en gestion stratégique, soit une perspective basée sur les capacités organisationnelles. En utilisant les travaux sur les capacités organisationnelles (St-Amant, 2003 et 2006) et d'autres recherches, notamment celles de Luftman (2003) sur l'alignement stratégique des TI, un outil web d'autodiagnostic et d'aide à la décision a été conçu, testé et évalué. Pour concevoir l'outil web selon une perspective d'aide à la décision, quatre domaines de connaissance ont été mobilisés et discutés dans une revue de littérature avant de programmer le site web. Le premier traite de l'autoévaluation et des processus d'autoévaluation. Le deuxième traite du processus d'autoévaluation selon une approche d'aide à la décision. Le troisième définit l'environnement organisationnel pour l'utilisation d'un outil d'autodiagnostic. Et le quatrième approfondit le concept d'alignement stratégique des TI ainsi que des mesures de l'alignement stratégique en TI. On termine cette revue de la littérature par le processus d'autoévaluation qui a servi à concevoir l'outil Web. \nLe site Web d'autoévaluation de l'alignement stratégique a été testé et validé par quelques experts. Une fois terminé, on a procédé à douze évaluations auprès de gestionnaires des TI, principalement de petites et moyennes entreprises (PME) québécoises. Trois résultats sont particulièrement intéressants. Le processus d'autoévaluation a des effets limités pour ne pas dire nuls. En effet, les gens ne réagissent pas positivement à l'outil par manque de bagage théorique et d'une bonne compréhension des concepts d'alignement stratégique des TI. Il semble qu'il faille prévoir un module de e-learning avant le processus d'autoévaluation afin de bien comprendre le processus et les concepts reliés à l'alignement stratégique. Une fois les écueils de l'apprentissage résolus, les résultats de la recherche montrent que l'effet d'une autoévaluation individuelle suivie par une autre en groupe, mettant en scène l'interaction entre les perceptions des différents évaluateurs, influencent significativement et positivement le diagnostic et la compréhension de la situation actuelle de l'entreprise par rapport à l'alignement stratégique des TI. L'autodiagnostic, en termes de démarche structurée en deux phases et basée sur un modèle valide, à savoir le modèle de Luftman, a un impact positif sur l'apprentissage et le développement des connaissances au sein de l'organisation. ______________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Alignement stratégique, Autodiagnostic, Capacités organisationnelles, Technologies de l’information.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.013 | 0.043 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.006 | 0.007 |
| Open science | 0.004 | 0.003 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.003 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".