Décoder les préoccupations et les résistances à l'égard des changements
Bibliographic record
Abstract
Résumé La vie au travail est ponctuée de multiples changements que le cadre intermédiaire doit intégrer dans les pratiques quotidiennes de son unité. Pour optimiser les chances de succès de ces changements organisationnels, celui-ci doit apprendre à décoder les préoccupations qui sont à la source des résistances aux changements. Ce diagnostic des préoccupations est nécessaire pour maintenir un dialogue constructif avec ses employés, son supérieur immédiat, ses collègues et les autres parties prenantes et pour intervenir adéquatement auprès d’eux. Apprendre à décoder les préoccupations des destinataires constitue une habileté clé que le cadre doit maîtriser en vue de favoriser l’appropriation du changement. Cet article vise à aider les gestionnaires à exploiter de manière positive la résistance à l’aide du modèle des phases de préoccupations. Certaines difficultés liées à la prise en compte des préoccupations et des résistances des acteurs sont aussi traitées et, finalement, des conseils et des conditions de succès sont présentés.
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 | 0.003 | 0.019 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.017 | 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".