Management des connaissances et mémoire organisationnelle : entre perdre connaissance et retrouver la mémoire : le cas d'Hydro-Québec
Bibliographic record
Abstract
Les turbulences environnementales générées par les changements économiques et l'accroissement de la concurrence au niveau mondial ont accéléré la nécessité d'adoption d'un nouveau mode de management dans les organisations.Afin de comprendre comment valoriser la connaissance et son management dans les entreprises, il faut commencer par analyser la connaissance comme objet de recherche.Cette réflexion a permis de proposer notre définition de la connaissance dans le cadre de notre analyse et d' intégrer le rôle de la mémoire organisationnelle dans cette démarche.Pour répondre à cette problématique, nous avons abordé le paradigme de la connaissance ainsi que la notion de mémoire.Puis nous avons étudié la notion de connaissance(s) dans les organisations pour en comprendre leur nature, leur place et leurs modes de gestion.Nous avons exploré les différents aspects de la mémoire organisationnelle.Cet état de l'art a été ensuite confronté à notre perception du management des connaissances et nous a conduits à réaliser une étude de cas sur une entreprise québécoise afin d'évaluer la démarche de management des connaissances sur le terrain.À cet effet, des entrevues semi-dirigées ont été réalisées avec des gestionnaires de l'entreprise Hydro-Québec.Nos trois propositions ont été vérifiées systématiquement.La première montre que la mémoire organisationnelle joue le rôle d'outil de stockage brut des informations et des connaissances dans l'entreprise.La deuxième proposition fait ressortir que cette même mémoire jour le rôle d'un outil de diffusion et de partage des informations et des connaissances stockées.Enfin, la troisième et dernière proposition supporte que dans une démarche de management des connaissances la mémoire soit un véritable outil de soutien et de création des connaissances créant ainsi une dynamique d'apprentissage dans l'entreprise.Cette recherche a montré que le processus de management des connaissances nécessite beaucoup de ressources humaines et matérielles pour son application, mais fait ressortir également que ce processus devient crucial dans une stratégie de gestion de la relève.Cette démarche mène l'entreprise vers la compétence.Chapitre 5 -Discussion ..........................
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 | 0.006 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.013 | 0.006 |
| Scholarly communication | 0.011 | 0.004 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.018 | 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".