Performativité des chartes d'utilisation des réseaux socionumériques en entreprise. Une pragmatique par l'engagement et la contrainte
Bibliographic record
Abstract
Résumé Les médias socionumériques investissent les entreprises et en bousculent les frontières. Depuis cet avènement, elles sont confrontées à des défis en termes de discipline, de réputation et de confidentialité en raison notamment de la difficulté à définir les périmètres entre public et privé, personnel et professionnel. Pour se protéger, elles ont commencé à adopter des chartes d'utilisation, d'usage ou codes de bonne conduite sur les réseaux socionumériques (RSN). Dans une approche pragmatique en prenant à la fois appui sur la notion de performativité, issue de la théorie des actes de langage, et de celle d'engagement, à partir de la sociologie des organisations, nous nous intéresserons aux mécanismes et aux modalités qui permettent d'étendre la portée des chartes d'utilisation des médias socionumériques (CUMSN) au-delà de la seule sphère professionnelle. Après nous être penchés sur les conditions d'émergence des CUMSN, nous nous appuierons sur une analyse d'exemples nord-américains et européens afin de montrer comment les modalités de l'engagement des employés sont contraintes par la portée réglementaire des CUMSN.
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 | 0.027 | 0.068 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".