Bibliographic record
Abstract
Résumé La vision est au cœur des activités des entreprises qui se démarquent. Des données de plus en plus nombreuses indiquent en effet que lorsqu’elle est bien conçue et communiquée, la vision peut contribuer à imprimer dans l’entreprise une direction unique et appropriée. En outre, le processus d’élaboration de la vision peut représenter en soi un important facteur de mobilisation des différents acteurs organisationnels. En fait, nombre d’études associent la présence d’une vision partagée dans l’entreprise à différents indices de performance organisationnelle. Dans un contexte où la quête de productivité exerce une pression énorme sur les organisations et les personnes qui y travaillent, plusieurs entreprises recherchent des façons d’améliorer leur avantage concurrentiel tandis que de nombreux individus essaient de donner un sens à ce qu’ils y font. Conséquemment, une connaissance des pratiques visant à guider et à inspirer les organisations semble être un atout pour nombre de gestionnaires. Le but de cet article est de familiariser les gestionnaires avec les différentes dimensions de la vision, avec un processus permettant de concevoir celle-ci, avec les manières de l’articuler et de la communiquer au quotidien, et avec les facteurs contextuels justifiant une telle démarche dans l’organisation.
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 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.003 | 0.008 |
| Scholarly communication | 0.011 | 0.007 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.019 | 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".