Une méthode pour la définition de l'impact organisationnel du changement
Bibliographic record
Abstract
La these soutenue dans ce memoire se situe dans le domaine des Modeles de Processus. Elle s'interesse plus particulierement a la modelisation des scenarios alternatifs d'impact organisationnel du changement pour une organisation. Le travail cherche a apporter une contribution a la recherche sur la conduite des processus de changement organisationnel qui tient compte de : la necessite de mecanismes de formalisation des connaissances liees a la definition du changement organisationnel et pouvant etre reutilisees dans differentes situations de changement, l'existence d'un ensemble de solutions alternatives pour mener l'organisation de son etat actuel vers un etat futur souhaite, avec des impacts de differentes natures sur l'organisation, la necessite de guider l'ingenieur de changement et l'equipe de changement pendant le deroulement du processus de changement. Nous rendons possible la reutilisation de la connaissance tacite dans le processus de definition du changement. Notre proposition est caracterisee principalement par : l'utilisation des modeles pour representer l'organisation, ses etats actuel et futur et les scenarios alternatifs d'impact, le raisonnement au niveau intentionnel. Ce type de raisonnement permet d'abstraire les buts representatifs des processus d'entreprise et d'eliminer les details qui ne sont pas immediatement concernes par l'impact du changement. Il permet de se focaliser sur les elements cles du changement que sont les objectifs et de definir par raffinements successifs, la propagation de son impact sur les processus d'entreprise, la modelisation de l'impact organisationnel du changement comme un processus systematique et guide. Un ensemble de directives est propose pour guider les ingenieurs de changement pendant la construction du modele de scenarios d'impact et pendant le choix du scenario (ou de l'ensemble de scenarios) le plus approprie dans la situation de courante.
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 | 0.016 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.005 |
| Bibliometrics | 0.003 | 0.003 |
| Science and technology studies | 0.001 | 0.003 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.003 | 0.003 |
| Research integrity | 0.004 | 0.006 |
| Insufficient payload (model declined to judge) | 0.016 | 0.004 |
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".