Le contexte d'utilisation et la mise en oeuvre des pratiques collaboratives en milieu organisationnel : analyse comparative Québec-France
Bibliographic record
Abstract
Les pratiques collaboratives sont un bon moyen pour composer avec l’intelligence collective et faire face à la complexité et l’incertitude qui règnent dans la société d’aujourd’hui. On repère dans la présente littérature, l’émergence de nouvelles pratiques collaboratives, concernant des façons de faire en milieu organisationnel pour répondre à la complexité des enjeux actuels; en adoptant une prise de décision partagée. On remarque aussi que certaines conditions organisationnelles doivent être comblées pour mener à bien un atelier collaboratif. Mais comment expliquer que certaines entreprises peinent encore à récolter les fruits du collaboratif ? Quels sont les autres facteurs pouvant influencer sur le contexte d’utilisation et la mise en oeuvre des pratiques collaboratives ? Quand est-il des similitudes et des différences reliant le Québec et la France ? Ainsi, cette recherche exploratoire a pour but d’explorer et d’approfondir davantage notre compréhension, à l’égard des pratiques collaboratives. Pour ce faire, vingt entrevues semi-dirigées ont été réalisées (n=20) auprès de trois catégories de praticiens : (1) les personnes avec des expériences uniquement au Québec; (2) les personnes avec des expériences autant au Québec qu’en France, et (3) les personnes avec des expériences uniquement en France. Les 20 entrevues se sont donc réparties comme tel : 6 individus interviewés au Québec, 9 du côté Québec/France et 5 en France. Il est question de se mettre dans les souliers des consultants/facilitateurs pratiquant et animant des pratiques collaboratives quotidiennement, autant en France qu’au Québec et/ou un des deux respectivement. Ce qui va nous permettre de déceler et de mieux comprendre leur pratique professionnelle; le tout afin d’analyser ce qui en ressort de ces deux environnements distincts. Par la suite, les résultats seront présentés à travers une analyse qualitative et une approche abductive : qui se départagent, quant à eux, en deux parties distinctes (analyse descriptive/analyse comparative). Ceux-ci s’appuient aussi sur des tableaux et modèles formés à partir de la collecte de données. Ils permettent d’avoir une vision plus précise des nuances que nous pouvons retrouver entre les deux cultures et des correspondances, ainsi que des différences, pouvant, influencer, ou non, sur le processus de collaboration. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : pratiques collaboratives, collaboration, intelligence collective, co-construction, développement organisationnel dialogique (dialogic OD)
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 | 0.004 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.011 | 0.004 |
| Scholarly communication | 0.009 | 0.003 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".