Travail en mode projet distribué géographiquement : mesure des compétences, de la collaboration et des performances individuelles selon le degré de virtualité
Bibliographic record
Abstract
Dans un contexte où le monde du travail s’internationalise et où l’innovation est fondamentale, les organisations d’aujourd’hui doivent structurer le travail en tenant compte des distances géographiques et du besoin de bien performer dans les tâches reliées aux différents projets. Toutefois, le recours à des projets innovants et l’accès à des moyens de communication ne sont pas des conditions suffisantes pour assurer une performance adéquate. Différents facteurs, comme les compétences adaptées au travail virtuel et le degré de virtualité qui sépare les gens, doivent être pris en compte pour favoriser l’atteinte d’une bonne performance. De plus, afin de sélectionner les candidats qui seront en mesure de bien performer dans ce contexte, le recours à des outils d’évaluation appropriés et disponibles dans plusieurs langues est essentiel.\n\nCette thèse présente en premier lieu un processus de traduction, d’adaptation et de validation en français et en anglais d’un outil en allemand visant l’évaluation des compétences requises lorsque le travail est organisé en mode distribué. Un premier article présente les limites fréquemment observées dans les études qui effectuent de telles adaptations. \n\nUn deuxième article met ensuite en lumière l’importance relative d’un ensemble de compétences liées à deux types de performances individuelles appropriées au travail en projet virtuel. Les résultats montrent que la créativité, l’autonomie, l’intégrité, la loyauté et la minutie sont directement liées à la performance proactive. Il est cependant nécessaire de prendre en compte l’effet positif de la perception de collaboration et l’effet négatif du degré de virtualité pour comprendre comment les compétences que constituent la motivation à apprendre, l’autonomie, l’intégrité, la loyauté et la minutie agissent sur la performance adaptative. \n\nEn somme, cette thèse propose d’abord un processus rigoureux permettant l’adaptation, la traduction et la validation d’outils dans plusieurs langues. Ce processus permet d’éviter les limites auxquelles se buteraient des méthodes plus simples dans un contexte international où il est primordial d’avoir une très grande confiance en l’équivalence des instruments. Cette thèse représente également un avancement intéressant en ce qui a trait à la compréhension des différents déterminants de la performance individuelle lorsque le travail est organisé en projets virtuels. Des recommandations sont présentées afin de favoriser la performance individuelle, et des pistes de recherches futures sont également amenées pour continuer à approfondir les connaissances sur le 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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.009 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.025 | 0.009 |
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".