L'entreprise-réseau: Dix ans d'expérience de la Chaire Bombardier Produits récréatifs
Bibliographic record
Abstract
L'obligation de reagir vite et bien pour fournir les meilleurs produits ou services oblige les entreprises d'aujourd'hui, qu'elles soient des multinationales ou des PME locales, a travailler en reseau. Si plusieurs entreprises-reseau se sont developpees depuis 30 ou 40 ans, peu ont ose travailler en synergie avec une universite dans le but d'innover dans les facons de faire ou de concevoir de nouveaux outils pour le developpement de leur reseau.Bombardier et la Chaire Bombardier Produits recreatifs de l'Universite du Quebec a Trois-Rivieres font exception a la regle. Depuis pres de dix ans, cette grande entreprise et une trentaine de PME cooperent avec le centre de recherche universitaire afin d'ameliorer la qualite des produits offerts et de rendre les sous-traitants et le reseau plus performants. Une cooperation qui a permis a Bombardier de reprendre le premier rang mondial dans le domaine des motoneiges et des motomarines et a ses partenaires sous-traitants de croitre et de se diversifier. Une experience qui a permis, par la multiplication des echanges, d'augmenter les savoirs et les savoir-faire. Un exemple concret de ce que les chercheurs universitaires et les entreprises d'ici et d'ailleurs peuvent developper en partenariat.
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 | 0.004 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.013 | 0.005 |
| Scholarly communication | 0.006 | 0.003 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 0.003 |
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".