Corporate Team Training : A More Rational Organizational Development Method
Bibliographic record
Abstract
Le but de cet article est d'élaborer une solution aux problèmes soulevés par l'incapacité des organisations de prendre des bonnes décisions au moment où il le faut, et ce dans un environnement très complexe. Pour illustrer ce point, citons le cas de l'augmentation du taux de faillite de plus de 70% entre 1969 et 1970 parmi les entreprises dont le chiffre d'affaire dépasse le million. Suite à l'hypothèse qu'un tel problème résulte d'un développement inadéquat de l'individu ou de l'organisation, l'auteur examine les méthodes actuelles de développement surtout en ce qu'elles ont de commun, i.e. leur concentration sur l'individu. On reconnaît que l'individu est la pierre angulaire de toute organisation. Cependant son rendement à l'intérieur de l'équipe que forme l'organisation est plus importante que son rendement individuel. Comme solution à ce problème, une méthode de formation en équipe analogue à celle utilisée par l'armée, la marine et l'aviation américaine est étudiée. Cette méthode peut former des individus compétents à l'esprit créateur à l'intérieur d'une organisation efficace et responsable qui ne faussera pas la croissance individuelle par sa bureaucratie. En pratique, on peut mettre ce principe en application en utilisant, par exemple, une méthode de jeux et de simulation par ordinateur. De nombreuses méthodes d'application et les systèmes diversifiés d'ordinateurs rendent facilement possible l'accès de ce principe à toutes les organisations.
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 | 0.008 | 0.012 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.002 |
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".