L'évolution des rôles dans la gestion des projets de technologies de l'information : le cas des progiciels de gestion intégrée
Bibliographic record
Abstract
Résumé Au cours des dernières années, les technologies de l’information (TI), telles que les progiciels de gestion intégrés ou ERP, les solutions de commerce électronique interentreprises ou les portails Internet, ont joué un rôle important dans la mise en œuvre de plusieurs stratégies d’affaires dans la plupart des industries et dans la fonction publique. Ces technologies offrent un fort potentiel d’intégration, de partage de l’information et de collaboration en temps réel. Elles facilitent la transformation des façons de faire de plusieurs entreprises. Dans ce contexte, les projets de déploiement de solutions de TI sont devenus un élément clé pour la réussite de l’entreprise. Or, la capacité de livrer à l’entreprise des projets de TI à valeur ajoutée demeure une préoccupation majeure pour le responsable de la fonction TI. De plus en plus, les défis technologiques dans la gestion de projets de TI sont liés à la gestion des effets transformationnels de ces projets dans l’organisation. Il devient alors urgent de se demander si les rôles assumés par les chefs de projets de TI ont évolué vers un profil davantage orienté vers la gestion des effets transformationnels des 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 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 | 0.008 | 0.017 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.011 | 0.006 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".