Pertes et deuil des acteurs de la digitalisation : le cas de l’automatisation des caisses dans la grande distribution suisse
Bibliographic record
Abstract
Cette étude mobilise le cadre conceptuel du deuil et des pertes pour comprendre les réactions des acteurs organisationnels dans un contexte de changement digital. La recherche empirique se base sur une double étude de cas auprès des deux leaders du marché de la grande distribution suisse ayant mis en œuvre des systèmes d’encaissement automatique (technologies en libre-service), avec un corpus de 8 entretiens avec des managers, 12 entretiens avec des caissières et 75 entretiens avec des clients. L’étude permet d’identifier différents types de pertes perçues par les trois groupes d’acteurs concernés par la digitalisation. Alors que les managers vont surtout concevoir le changement numérique avec une perspective de gains de productivité, les employé.e.s et les client.e.s expriment des pertes symboliques susceptibles de déclencher des processus de deuil : des pertes d’identité et de repères professionnels, des pertes de relation et de qualité d’interaction, ainsi que des pertes de sens liées au changement d’image ‘modernisée’ et ‘rationnalisée’ des coopératives de la distribution suisse et de la qualité de lien associée à l’échange commercial. Cette perspective permet une meilleure compréhension de ce que signifie le changement numérique pour différentes catégories d’acteurs. En intégrant les clients à titre d’« employés partiels », nous identifions les enjeux spécifiques de cette catégorie d’acteurs dans le changement digital. Sur la base de notre analyse, nous pouvons recommander d’intégrer plus systématiquement des parties prenantes comme les clients dans les processus de sensemaking du changement digital.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 0.000 |
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 teacher head, 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".