Communautés de pratique et capacité d’absorption des connaissances dans un contexte inter-organisationnel
Bibliographic record
Abstract
L’objectif de cet article consiste à mettre en relation les communautés de pratique et l’innovation dans un contexte de relations inter-organisationnelles (RIO) en mettant en exergue le rôle de la capacité d’absorption des connaissances. Autrement dit, nous montrons, dans un modèle de recherche, le processus d’influence positive des communautés de pratique sur l’innovation en considérant la capacité d’absorption comme une variable intermédiaire. Les variables relationnelles de confiance et d’engagement sont considérées comme des facteurs explicatifs de la formation des communautés. Pour ce faire, nous sommes partis des théories des ressources, des capacités dynamiques ainsi que du constat du manque de ressources et du management de proximité des PME pour faire apparaître un modèle reliant les variables relationnelles (confiance et engagement), les communautés de pratique, le partage des connaissances, la capacité d’absorption et l’innovation. Nous avons testé les hypothèses de recherche sur un échantillon de 110 PME. Les données collectées sont analysées par la méthode des équations structurelles (LISREL pour les analyses confirmatoires et PLS pour les tests d’hypothèses). Les résultats montrent l’existence d’une relation positive entre les variables relationnelles et l’innovation à travers les notions de communautés de pratique. Cette relation est renforcée par le rôle médiateur de la capacité d’absorption des connaissances.
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 | 0.007 | 0.022 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.006 | 0.005 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".