Résistance aux projets d'implantation de technologies de l'information : le cas d'une P.M.E. du secteur des hautes technologies
Bibliographic record
Abstract
Résumé Alors que la gestion des résistances potentielles des utilisateurs envers un projet d’implantation de technologies de l’information et de la communication (TIC) gagnerait à être anticipée dès les premières étapes, la plupart des études se sont concentrées sur les attitudes et les réactions des utilisateurs après que les technologies en question ont été implantées. Le travail que nous avons mené pendant plus d’un an auprès de la société NETIA (P.M.E. leader dans le secteur de la radio et de la télévision) nous permet justement d’étudier l’évolution des résistances des acteurs dans cette phase préalable au choix d’implémenter un système d’information. Pour cela, la première partie de l’article présente les différents types de résistances et de conflits susceptibles d’apparaître dans un projet d’implantation de TIC, ainsi que leurs modes possibles de gestion. La seconde partie de notre étude montre comment, au sein de la société observée, une situation de conflit a pu être réglée alors que la hiérarchie n’avait pas participé à la résolution de la situation de blocage.
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 | 0.029 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.007 | 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".