Culture de risque dans des compagnies multinationales : Cas d’étude d’une Multinationale dans le secteur de l’ingénierie et de la construction
Bibliographic record
Abstract
Cette thèse étudie la culture du risque dans le contexte des compagnies multinationales. Une explication des concepts majeurs de la culture organisationnelle et du risque nous aide à définir notre sujet de recherche qui est encore peu connue dans la monde de recherche et qui a des difficultés de trouver sa place à cause de multiples ambiguïtés. Pour répondre à cette problématique, nous nous appuyions sur les théories de organisations qui divisent deux aspects organisationnels : les aspect formels et informels. Nous approchons donc la culture du risque en étudiant ses aspects formels et informels de même que sa gestion. Nous adoptons une méthodologie basée sur une étude de cas unique afin de pouvoir répondre de manière détaillée à nos questions de recherche. La thèse est donc basée sur une étude de cas dans une multinationale de secteur de la construction au Canada. Nous avons passé 18 mois sur le terrain au siège sociale de l’entreprise et nous avons effectué 45 entretiens auprès de Présidents, de Vice-Présidents et de Directeurs. Nous avons aussi conduit des observations directes et nous avons collaboré avec quelques directeurs de fonctions liées à la gestion des risques. Nos résultats démontrent que la culture du risque nécessite un équilibre entre les aspects formels et informels. Nous démontrons notamment deux façons par lesquelles des gestionnaires du risque influencent la création de culture de risque. Afin, nous incitions à davantage s’intéresser à ce sujet.
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 | 0.009 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.015 | 0.015 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.001 | 0.003 |
| Insufficient payload (model declined to judge) | 0.007 | 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 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".