Cohérence et cohésion de l’équipe de direction dans la PME
Bibliographic record
Abstract
Dans cette recherche, nous discutons de la mise en place d’un système formel de gestion et de son impact sur la cohérence et la cohésion dans des équipes de direction de PME. La cohérence est le degré d’articulation entre les différentes fonctions des membres d’un groupe qui permet, à travers la réalisation d’objectifs individuels spécifiques, d’atteindre les objectifs collectifs ; la cohésion est le degré d’adhésion volontaire des membres du groupe à un idéal, une aspiration ou un projet commun, qui leur permet, à travers le partage de valeurs et de sentiments gratifiants, de se renforcer émotionnellement les uns les autres et ainsi de faire face comme un tout aux défis qu’ils rencontrent. Notre approche méthodologique est une recherche-action exploratoire effectuée dans trois PME du secteur hôtelier. Nous avons multiplié les sources de données pour améliorer la qualité de la compréhension des expériences vécus. Parmi les résultats, nous montrons l’existence d’une relation vertueuse entre la cohésion et la cohérence, et mettons en évidence comment l’implantation d’un système formel de gestion peut améliorer simultanément, ou non, la cohésion et la cohérence, selon la situation initiale de la cohésion dans l’équipe dirigeante. Un minimum de cohésion est nécessaire pour mettre en place un système de gestion formel qui va lui-même, à terme, améliorer la cohérence. De plus, la cohérence et ses conséquences positives peuvent aider à améliorer la cohésion.
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 | 0.006 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.007 | 0.006 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.009 | 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".