La construction identitaire d'une ONG par la communication : le cas de Médecins sans frontières
Bibliographic record
Abstract
L’objet de ce mémoire est de s’interroger sur la co-construction et la négociation de l’identité organisationnelle par la parole dans les interactions quotidiennes. Cette étude a été menée sur une organisation du monde de l’humanitaire, Médecins Sans Frontières (MSF) et plus précisément sur une mission réalisée dans la région du Nord- Kivu en République Démocratique du Congo. Les données ont été collectées en employant la méthode du vidéo shadowing, encore appelée vidéo filature, une approche consistant à suivre et filmer des acteurs dans leurs interactions du quotidien, et particulièrement, dans notre cas, le chef de mission. La méthodologie utilisée pour analyser les enregistrements vidéo a, par la suite, été inspirée de l’analyse de conversation et de l’ethnométhodologie. Les concepts phares sur lesquels se base cette recherche\tsont\tla\t« ventriloquie »\tet\tla\t« présentification »,\tdeux\tconcepts\ten communication organisationnelle développés par François Cooren de l’École de Montréal. Plus précisément, nous nous sommes attachés à montrer comment les acteurs de MSF cultivent l’identité et l’image de leur organisation à travers des « conversations identitaires». Nous avons ainsi pu observer et analyser comment les acteurs de l’organisation agissent par le biais de la parole pour construire et établir l’identité de leur organisation, et à travers cela, leur propre identité.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.013 | 0.026 |
| Scholarly communication | 0.013 | 0.011 |
| Open science | 0.001 | 0.009 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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".