"Ici, tout se passe sur chatter" : impacts au travail de l'usage prescrit d'un réseau social d'entreprise
Bibliographic record
Abstract
De nombreuses organisations adoptent des plateformes de réseaux sociaux d'entreprise (RSE). Cependant, peu d'études ont explicitement analysé l'influence du contexte organisationnel sur la manière dont les employés perçoivent et actualisent les « affordances technologiques », c'est-à-dire les possibilités d'actions qui peuvent découler de l'interaction avec une technologie. Nous avons conduit une étude de cas dans le contexte d'une organisation qui prescrit l'utilisation du RSE Chatter pour toutes ses communications internes. En nous appuyant sur 15 entrevues semi-dirigées, nous avons construit un modèle des interactions entre les caractéristiques techniques du RSE, les objectifs des employés et une culture organisationnelle axée sur la rapidité et la rentabilité. Dans ce contexte, nous avons identifié quatre affordances qui se renforcent mutuellement: la visibilité, la persistance, l'association, et une affordance qui a émergé de l'analyse, l'urgence. Enfin, nous avons analysé les conséquences de l'utilisation de Chatter pour les employés dans ce contexte organisationnel, en matière de responsabilités, de gestion des impressions, de tensions et de gestion des frontières entre la vie professionnelle et personnelle. Nos résultats démontrent que les employés peuvent avoir recours à d'autres canaux de communication en dehors du RSE prescrit lorsqu'ils ont l'impression que le RSE ne leur permet pas d'atteindre leurs objectifs, en particulier lorsque ces objectifs ne sont pas alignés avec ceux de l'organisation. \n_____________________________________________________________________________ \n \nMOTS-CLÉS DE L’AUTEUR : réseaux sociaux d'entreprise (RSE), Chatter, affordances, construction sociale, culture organisationnelle
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) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| 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 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".