Le pilotage des communautés de pratique au sein de l'industrie des télécommunications : une comparaison des sociétés Bell et Orange
Bibliographic record
Abstract
Résumé Les communautés de pratique regroupent des personnes qui partagent des préoccupations ou une passion à propos d’un sujet et qui approfondissent leur expertise dans un domaine à travers des interactions régulières. En principe, elles devraient faciliter l’apprentissage organisationnel, le partage des connaissances et l’innovation. En pratique, toutefois, il faut déterminer la manière de les piloter ou de les gérer afin d’en optimiser l’efficacité. Dans un premier temps, l’article discute les défis liés au pilotage des communautés de pratique, notamment un contrôle approprié et une transmission optimisée des connaissances tacites et formelles. Dans un deuxième temps, nous présentons les caractéristiques des communautés de pratique implantées dans deux grandes organisations du secteur des télécommunications au Canada et en France : Bell et Orange. Finalement, nous mettons en lumière les conditions de succès du pilotage des communautés de pratique : les piloter en fonction de la catégorie de personnel et des emplois visés; mettre en place des technologies de l’information et des communications adaptées aux besoins de la communauté; trouver un équilibre entre le pilotage de la communauté et le respect de son autonomie; intégrer et utiliser les connaissances apportées par des communautés de pratique pour optimiser la performance organisationnelle; adopter des pratiques d’incitation à la participation aux communautés de pratique; enfin, fournir des espaces de socialisation et de rencontres à leurs membres. Fonctions : GRH, management, innovation, gestion des opérations, TI Industries : télécommunications, TI
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.006 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.004 | 0.007 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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; both teacher heads agree on what is shown here.
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".