Améliorer la décision collaborative grâce à un jumeau numérique du système sociotechnique
Bibliographic record
Abstract
Ce travail de recherche vise à améliorer la prise de décision et l'apprentissage collectif grâce à un jumeau numérique de l'organisation dans le contexte d'une activité industrielle complexe telle que la maintenance des moteurs d'hélicoptères. Des études de terrain et bibliographiques ont permis de déterminer que le jumeau numérique devait être basé sur un modèle de système multi-agents pour des raisons de flexibilité et de modularité nécessaires dans cet environnement en constante évolution. Le jumeau numérique est destiné à s'adapter à l'organisation mais aussi à l'améliorer en incluant les flux d'informations manquants. Cet article présente le modèle multi-agents du système sociotechnique et de son jumeau numérique, le modèle d'agent choisi et inspiré de l'apprentissage par renforcement, et comment il a permis d'identifier ces flux manquants. Il montre l'importance des interfaces dans le jumeau numérique et ce qu'elles doivent contenir pour intégrer les agents, ainsi que les aspects psychosociaux à prendre en compte pour que les humains puissent gérer leur conception.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.002 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 0.002 |
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".