Gérer des équipes virtuelles internationales : une question de proximité et de technologies
Bibliographic record
Abstract
Résumé L’émergence des équipes virtuelles internationales dans les organisations entraîne des défis de management en raison de la dispersion géographique et temporelle ainsi que du multiculturalisme de leurs membres. En principe, la gestion d’équipes virtuelles internationales devrait procurer de nombreux atouts aux organisations aux points de vue de la réduction des coûts, de l’efficience, de la créativité, de la performance, etc. En pratique, toutefois, la gestion de telles équipes à distance fait face à certains obstacles. Dans un premier temps, cet article vise à discuter des trois grands défis – les trois C – liés à la gestion des équipes virtuelles internationales, soit la communication, la confiance et la compréhension interculturelle. Dans un deuxième temps, nous analysons deux équipes virtuelles internationales au sein d’une société qui sont gérées avec des styles de management fort différents, soit le management de proximité et le management à distance. Cela permettra de comparer ces styles de management et leurs effets sur le fonctionnement et l’efficacité des équipes. Dans un troisième temps, nous insistons sur cinq conditions de succès clés pour améliorer la confiance au sein des équipes virtuelles internationales : constituer des équipes virtuelles, faire circuler l’information à travers les technologies de l’information et de la communication (TIC), éviter le management fondé uniquement sur les TIC, privilégier le management de proximité et exercer un suivi des résultats des équipes. Fonctions : international, GRH, management, gestion des opérations, TI Industries : télécommunication, 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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 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; a candidate call from one teacher head, 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".