Impact de l’implication des acteurs dans la mise en oeuvre des outils de gestion sur la performance organisationnelle : cas du secteur canadien de l’automobile
Bibliographic record
Abstract
Cette thèse s’appuie sur le constat selon lequel les acteurs vivent des difficultés professionnelles concernant la mise en œuvre des outils de gestion CRM ayant un impact à la fois sur la performance organisationnelle et sur les incidences financières. C’est dans cette perspective qu’elle vise à contribuer à l’enrichissement de l’implication des acteurs dans la mise en œuvre des outils de gestion sur la performance organisationnelle dans le secteur canadien de l’automobile. Notre recherche doctorale pose les questions suivantes : « quels sont les déterminants des incidences financières et de la performance organisationnelle ? ». Existe-t-il une relation entre ces types de performance et l’implication des dirigeants et utilisateurs en matière d’outils de gestion CRM ? Pour y répondre, un design méthodologique en trois phases a été élaboré : (1) une préenquête auprès de 21 cadres (2) une étude empirique quantitative basée sur un échantillon de 306 professionnels (3) une discussion après analyse des résultats et une théorie basée sur le TAR. Les résultats montrent que pour atteindre une performance organisationnelle et ainsi avoir des incidences financières, l’organisation doit s’assurer que, (a) les dirigeants s’impliquent en matière d’outils de gestion CRM, (b) les utilisateurs s’impliquent dans les CRM, (c) la formation adéquate est offerte. D’un point de vue empirique, les résultats permettent de connaître la dimension jusqu’ici peu explorée de la pratique professionnelle, en particulier en matière d’implication des dirigeants et des utilisateurs. Enfin, d’un point de vue méthodologique, cette recherche a permis de développer et d’expérimenter un dispositif permettant d’étudier l’implication des acteurs dans la mise en œuvre des outils de gestion sur un empan long de façon cohérente avec une épistémologie holiste de l’action humaine.
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 | 0.015 | 0.041 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.002 |
| Scholarly communication | 0.007 | 0.003 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.013 | 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".