Exploration du potentiel de l’intelligence artificielle pour améliorer les processus et les résultats de la gestion de projet
Bibliographic record
Abstract
L'auteur de ce mmoire, de cette thse ou de cet essai a autoris l'Universit du Qubec Trois-Rivires diffuser, des fins non lucratives, une copie de son mmoire, de sa thse ou de son essai.Cette diffusion n'entrane pas une renonciation de la part de l'auteur ses droits de proprit intellectuelle, incluant le droit d'auteur, sur ce mmoire, cette thse ou cet essai.Notamment, la reproduction ou la publication de la totalit ou d'une partie importante de ce mmoire, de cette thse et de son essai requiert son autorisation.Je ne saurais commencer sans exprimer ma gratitude envers le Seigneur, qui a permis que ce travail soit termin dans de bonnes conditions et qui m'a guid vers ce magnifique pays qu'est le Canada.Je tiens remercier mes parents, M. TAGNE ANDRESSO et Mme MOGOUM ep TAGNE Lucienne, qui ont consenti des efforts pendant de nombreuses annes pour ma personne et qui ont contribu ma construction en tant qu'homme grce leur ducation bienveillante.Je tiens exprimer ma profonde gratitude mon mentor, le Dr ALENCAR SOARES BRAVO, pour son prcieux soutien et ses conseils tout au long de mon mmoire et de ma recherche.Sa patience et son orientation m'ont permis de mieux intgrer des notions dans le but de produire un mmoire qui parle d'un thme d'actualits et d'avenir en gestion de projet.Je ne pourrais pas terminer sans adresser mes plus sincres remerciements l'UQTR, qui, grce son dpartement de gestion, nous a prodigu une formation de haut niveau, nous transformant en vritables experts en gestion de projet en Mauricie et au Qubec.Je remercie galement ma soeur cadette qui m'a accueilli au Canada et qui a toujours t prsente pour moi lors des difficults que je rencontrais.Je remercie galement mes proches, comme Jean Blaise TEMGOUA, Samuel MBAPPE, Herman FASSOU qui n'ont cess de m'orienter travers
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.000 | 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 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".