Les programmes de développement des leaders dans les entreprises mondiales
Bibliographic record
Abstract
Résumé Les dirigeants contemporains font face à la nécessité d’assurer la pérennité de leur entreprise transnationale en préparant une relève adéquate dans un environnement de plus en plus complexe. La formation et le développement de cadres internationaux de haut niveau prend donc une importance stratégique et requiert une attention particulière. Depuis une vingtaine d’années, certaines entreprises transnationales se sont attaquées à ce défi et ont mis sur pied des programmes d’apprentissage particuliers appelés «programmes d’apprentissage-action-affaires» ou «triple A» ( business driven action learning programmes ). Depuis 1996, ces entreprises se réunissent annuellement dans un cadre privé pour discuter de leurs pratiques de développement des gestionnaires internationaux par le biais de ces programmes. Les représentants des entreprises transnationales présentent alors des textes dans lesquels ils expliquent leurs pratiques et font part de leurs réflexions à leur sujet. À partir des textes rédigés par ces praticiens et publiés par Yury Boshyk, l’auteur de l’article dégage les origines et les caractéristiques essentielles de ces programmes de développement et en analyse les principales composantes.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.001 |
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".