Exploration du potentiel de l’intelligence artificielle pour améliorer les processus et les résultats de la gestion de projet
Bibliographic record
Abstract
AvertissementL'auteur de ce mémoire, de cette thèse ou de cet essai a autorisé l'Université du Québec à Trois-Rivières à diffuser, à des fins non lucratives, une copie de son mémoire, de sa thèse ou de son essai.Cette diffusion n'entraîne pas une renonciation de la part de l'auteur à ses droits de propriété intellectuelle, incluant le droit d'auteur, sur ce mémoire, cette thèse ou cet essai.Notamment, la reproduction ou la publication de la totalité ou d'une partie importante de ce mémoire, de cette thèse 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 terminé dans de bonnes conditions et qui m'a guidé vers ce magnifique pays qu'est le Canada.Je tiens à remercier mes parents, M. TAGNE ANDRESSO et Mme MOGOUM ep TAGNE Lucienne, qui ont consenti des efforts pendant de nombreuses années pour ma personne et qui ont contribué à ma construction en tant qu'homme grâce à leur éducation bienveillante.Je tiens à exprimer ma profonde gratitude à mon mentor, le Dr ALENCAR SOARES BRAVO, pour son précieux soutien et ses conseils tout au long de mon mémoire et de ma recherche.Sa patience et son orientation m'ont permis de mieux intégrer des notions dans le but de produire un mémoire qui parle d'un thème d'actualités et d'avenir en gestion de projet.Je ne pourrais pas terminer sans adresser mes plus sincères remerciements à l'UQTR, qui, grâce à son département de gestion, nous a prodigué une formation de haut niveau, nous transformant en véritables experts en gestion de projet en Mauricie et au Québec.Je remercie également ma sœur cadette qui m'a accueilli au Canada et qui a toujours été présente pour moi lors des difficultés que je rencontrais.Je remercie également mes proches, comme Jean Blaise TEMGOUA, Samuel MBAPPE, Herman FASSOU qui n'ont cessé de m'orienter à travers leurs conseils durant tout mon parcours académique.Enfin, je remercie le soutien et le support moral de tous mes proches : " (...amis, famille, frères, sœurs, camarades de classe..."), et autres durant ma maîtrise en gestion de projet.
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 | 0.006 | 0.016 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.004 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".