MétaCan
Menu
Back to cohort
Record W7056782539

Favoriser l'innovation au travail : l'influence de la justice interactionnelle et des stresseurs sur l'implication au travail et le comportement innovant

2017· dissertation· fr· W7056782539 on OpenAlexaboutno aff

Bibliographic record

VenueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke) · 2017
Typedissertation
Languagefr
FieldEngineering
TopicParticle accelerators and beam dynamics
Canadian institutionsnot available
Fundersnot available
KeywordsEconomic JusticeContext (archaeology)Trade union
DOInot available

Abstract

fetched live from OpenAlex

Depuis les dernières décennies, le monde du travail a subi des transformations importantes. Elles doivent, aujourd’hui plus que jamais, optimiser leur efficacité et leur efficience, dans un contexte en constante évolution. En conséquence, l’innovation peut devenir un levier fort avantageux sur lequel les organisations peuvent créer, produire et offrir de nouveaux produits ou services. En d’autres mots, les organisations ont tout intérêt à faire de l’innovation une priorité stratégique. Cependant, l’innovation soulève également quelques enjeux non négligeables. Nonobstant les attentes envers les retombées positives, qui sont suscitées par les investissements parfois majeurs, il devient familier de constater une augmentation des stresseurs en entreprise. Afin de minimiser les effets pervers de ces stresseurs, accroitre notre compréhension de leurs effets sur le processus d’innovation est devenu une des clés essentielles. Les études empiriques étant plus nombreuses sur le sujet, il semble toutefois persister quelques contradictions qui méritent l’étude intégrée et pratique des connaissances sur le sujet de l’innovation. C’est dans cette perspective d’intégration que s’inscrit la présente thèse. Celle-ci est constituée de deux articles. Le premier article vise spécifiquement à faire une recension des écrits sur le lien entre les stresseurs et l’innovation au travail. S’adressant au monde scientifique et articulé autour de trois défis principaux, celui-ci présente d’abord le concept de l’innovation, souvent confondu avec le concept de créativité. Ensuite, la définition des stresseurs, les principaux constats et les limites qui sous-tendent la relation entre les stresseurs et l’innovation sont discutés. Le deuxième article, de nature empirique, s’adresse encore une fois à la communauté scientifique. Il a pour objectif de valider un modèle identifiant différentes variables afin de soutenir l’émergence de conduites innovantes en présence de stresseurs de type challenge et menace. Pour tester le modèle, des analyses de régressions multiples ont été réalisées, lors d’une étude longitudinale, auprès de 198 travailleurs québécois d’entreprises privées. L’interprétation générale des résultats tend à montrer que le comportement innovant est impacté de manière différenciée selon la nature des stresseurs en cause. Il semble donc opportun de les considérer et de proposer des stratégies d’intervention adaptées afin de minimiser l’impact des stresseurs. Par ailleurs, le facteur motivationnel, mesuré par l’implication au travail, semble influencer positivement l’innovation, sans oublier la justice interactionnelle, qui semble être une ressource intéressante à considérer. Ces résultats apportent donc des appuis empiriques aux théories existantes sur le sujet. Ils encouragent également une meilleure gestion des stresseurs au travail, aident à mieux impliquer les gens, et favorisent des relations interpersonnelles justes et équitables en milieu de travail. En somme, l’intégration de ces deux articles permet d’enrichir la documentation scientifique actuelle, tant sur les plans des connaissances théoriques que de la pratique professionnelle en psychologie organisationnelle. Ainsi, cette présente thèse constitue une source importante d’informations permettant de suggérer des pistes d’intervention, basées sur des fondements théoriques, afin de protéger le potentiel innovant des travailleurs.

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 imitation

Not 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.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.000
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: none
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.784
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.000
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.000
Science and technology studies0.0010.001
Scholarly communication0.0000.001
Open science0.0010.000
Research integrity0.0000.001
Insufficient payload (model declined to judge)0.0000.000

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.

Opus teacher head0.016
GPT teacher head0.255
Teacher spread0.239 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

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".

Quick stats

Citations0
Published2017
Admission routes1
Has abstractyes

Explore more

Same venueKnowledge UdeS (Institutional Deposit of the University of Sherbrooke)Same topicParticle accelerators and beam dynamicsFrench-language works237,207