Enseigner les outils de gestion : proposition d’une méthode pédagogique de dissection
Bibliographic record
Abstract
Les outils de gestion, enseignés comme des boîtes à outils apportant des solutions à des problèmes clairs, peuvent participer d’un "mythe représentationniste". Or, dans la réalité, ils sont, en tant que représentations nécessairement simplificatrices de l’activité, en tension sémiotique avec les situations de gestion. Comment imaginer un enseignement des outils de gestion qui ne masque pas, mais, au contraire met à jour cette tension représentationnelle et sémiotique qui leur est inhérente ? Cet article propose une méthode de dissection, facile à mettre en oeuvre dans la salle de classe, en cinq étapes : sélection, inscription, (in)invisibilisation, performativité, et re-conception. Un cas pratique est présenté en troisième partie, qui montre que cette méthode, en mettant à jour la tension sémiotique autour des outils de gestion, permet de faire le lien avec les enjeux sociétaux et organisationnels.
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 | 0.001 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| 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".