Incertitudes et temporalités : du rôle de la sérendipité dans le contexte de l’anthropologie en entreprise
Bibliographic record
Abstract
Le terrain de l’entreprise fédère de multiples approches et constitue un lieu d’innovation méthodologique pour l’anthropologie. Il est investi par des anthropologues de différents horizons, qu’ils travaillent comme praticiens ou dans le monde académique. Pour autant, l’ethnographie comme méthode de recueil des données peut effrayer les entrepreneurs et les commanditaires d’une étude, car les caractéristiques d’une recherche anthropologique seraient fondées sur des régimes de temporalités qui se télescopent avec ceux de l’entreprise. Outre la durée même d’une enquête selon les canons de la discipline, l’incertitude quant au résultat d’une démarche de terrain et au type de livrable qu’il est possible de proposer au terme d’une intervention constitue un double frein à la rencontre entre ces deux univers. L’objectif de cet article est d’interroger le rôle de la sérendipité, entendu ici comme résultant d’une temporalité caractérisée par l’incertitude, dans le champ de l’anthropologie de l’entreprise. Après un bref état de l’art sur l’usage et le recours à la sérendipité en anthropologie, nous déplaçons la focale dans le champ de l’entreprise. Nous analysons ainsi, à travers des exemples ethnographiques issus principalement du champ dudesign, le rôle de la sérendipité en entreprise en contexte d’anthropologie appliquée et fondamentale à la fois comme risque mais aussi comme levier pour valoriser une intervention anthropologique. Cette valence positive accordée à l’incertitude et donc à la sérendipité permet de renforcer le lien entre une anthropologie académique et une anthropologie opérationnelle dans le champ de l’entreprise en privilégiant la démarche spécifique de l’ethnographie.
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 | 0.010 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.007 | 0.040 |
| Scholarly communication | 0.013 | 0.013 |
| Open science | 0.002 | 0.007 |
| Research integrity | 0.003 | 0.005 |
| 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".