Réseaux sociaux au travail, confiance interpersonnelle et comportement de partage des connaissances
Bibliographic record
Abstract
Dans cet article, nous tentons de démontrer que la confiance interpersonnelle joue un rôle de médiation entre les réseaux sociaux et le comportement de partage des connaissances dans les entreprises tunisiennes de haute technologie. Même si l’impact direct des réseaux sociaux sur le partage des connaissances a été traité par les recherches antérieures, nous pensons qu’une telle relation gagnerait à intégrer le rôle de la confiance interpersonnelle comme mécanisme intermédiaire. En conformité avec McAllister (1995), nous nous proposons d’étudier deux formes de confiance interpersonnelle : la confiance cognitive (basée sur les compétences) et la confiance affective (basée sur les échanges socio-émotionnels). Un modèle structurel a permis de tester les hypothèses de recherche. Les résultats de l’enquête soutiennent partiellement nos conjectures théoriques. Ils montrent que seule la qualité des interactions dans un réseau social influence positivement et significativement les deux formes de confiance. Sur un autre plan, seule la confiance affective aurait une influence sur le comportement de partage des connaissances. Enfin, les résultats stipulent que la confiance affective médiatise l’effet de la qualité d’interaction sur le comportement de partage des connaissances. Une discussion est engagée sur la base de ces résultats et les implications de la recherche, sur le plan théorique et managérial, sont présentées.
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 | 0.004 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.004 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 0.001 |
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".