Pour des institutions de formation des enseignants tournées vers le futur

Les enseignants formés aujourd’hui enseigneront à nos petits et arrière-petits-enfants, qui eux-mêmes exerceront leur vie active jusqu’à l’horizon 2100. On prend la mesure des enjeux quand on pense à l’enseignement reçu par nos arrière-grands-parents, dans un monde qui ne semble pas avoir cessé d’évoluer depuis, loin s’en faut. Réfléchir à l’éducation dont auront besoin les élèves du futur nécessite de commencer dès aujourd’hui à penser également la formation des enseignants du futur, sur la base de la vision simultanée d’un avenir désirable et d’une société adaptée aux transformations du monde. C’est pourquoi nous pensons que les institutions de formation d’enseignants doivent développer une vision prospective forte et pas seulement une stratégie adaptative. Alors, à quoi et comment voulons-nous que soient formé(e)s les enseignant(e)s du XXIe siècle ?

Pourquoi le data challenge est un dispositif pédagogique efficace ?

Le data challenge est un dispositif d’apprentissage à l’intersection entre pédagogie de projet, innovation ouverte et business game. Il s'agit d'une modalité d'apprentissage qui permet de favoriser, à travers une expérience originale, une montée en compétences effective et mesurable.

CONCEPTION D’UN TABLEAU DE BORD POUR SUIVRE LA MOBILITÉ DES PARISIENS PENDANT LA PANDÉMIE

La crise sanitaire a complètement bouleversé la mobilité des Français. A travers la collecte et l’analyse de données sur l’épidémie et les fréquentations à vélo et du métro parisien, on observe une hausse certaine dans l’utilisation du vélo à Paris. Plus précisément, l’usage du vélo a doublé entre 2019 et 2020. Le dashboard réalisé met en évidence des variations dans la fréquentation à vélo en fonction des différentes mesures mises en place par le gouvernement et de l’évolution de l’épidémie. Ce rapport ouvre également la réflexion à différentes actions pour répondre aux nouveaux enjeux de mobilité des Parisiens. En effet, certaines mesures peuvent être envisagées pour favoriser l'utilisation du vélo pendant cette période de pandémie.

COMMENT HACKER LA CATASTROPHE ?

La pandémie du Covid-19 est une catastrophe ! Mais l'heure est maintenant venue de penser les stratégies et les décisions qui peuvent être issues de l'exploitation de la donnée. C'est dans cette perspective que la revue de Management & Datascience propose un numéro qui montre comment le pilotage par la donnée permet d’organiser la métamorphose pour #hackezlacatastrophe.

COMMENT UTILISER L’INTELLIGENCE ARTIFICIELLE POUR PRÉDIRE LE REVENU PAR MILLE (RPM) DANS LA PUBLICITÉ DIGITALE ?

Dans le contexte où la recette des éditeurs en ligne dépend en large partie des revenus publicitaires, prévoir l’évolution du marché devient une tâche importante du Revenue Management. Dans ce cadre, les experts en analyse ont besoin des outils performants afin de réaliser des prévisions fiables sur lesquelles s’appuient les décisions stratégiques. L’analyse prédictive consiste à exploiter les données historiques et à dessiner ce qui va se passer à l’avenir avec une probabilité. Sur la base des données de Prisma Média, le leader de la presse magazine en France, nous comparons trois méthodes de l’apprentissage automatique les plus utilisées afin de prédire le RPM (ou revenu par mille) dans la publicité digitale.

3 INDICATEURS CLÉS QUE LA GRANDE DISTRIBUTION DEVRAIT SURVEILLER POUR SATISFAIRE LE CONSOMMATEUR 5.0

En 2020, une des conséquences de la pandémie du coronavirus est l’accélération frappante de l’utilisation du digital dans notre vie quotidienne. Presque tous les secteurs d’activité ont dû revoir leur stratégie numérique, notamment la grande distribution. Celle-ci a dû s’adapter aux nouveaux comportements du “consommateur 5.0” qui, par obligation ou choix, se tournent de plus en plus vers la livraison ou le drive. Ce travail tente de montrer l’impact de 4 indicateurs (la saisonnalité, la pandémie, la mobilité, la météo) sur la demande en livraison et en drive afin de permettre à la grande distribution de répondre, d’ajuster et de prévoir la demande via le canal numérique.

COMMENT LE MACHINE LEARNING PERMET DE DÉTECTER LA FRAUDE BANCAIRE ?

Avec l’explosion des données massives, les banques font désormais appel à la Data Science et au Machine Learning pour détecter et prédire la fraude. Les difficultés du domaine se placent au sein même des données à exploiter, avec pour difficulté principale le déséquilibre des classes. La fraude ne représente qu’une infime partie des transactions bancaires et les modèles de prédiction classiques ne permettent pas de la prédire convenablement. Pour cela, il existe des solutions au problème de déséquilibre des classes. Dans ce sens, cet article a pour objectif d’exploiter les différentes méthodes de détection de fraude bancaire, en passant par le traitement du déséquilibre afin de permettre aux banques de mieux les combattre.

POURQUOI MANAGEMENT & DATA SCIENCE ABANDONNE L’ÉVALUATION EN DOUBLE AVEUGLE ?

La globalisation du secteur académique, conjuguée à une accélération sans précédent de la transformation digitale, implique de repenser en profondeur le rôle des revues scientifiques (Mamavi et Zerbib, 2020). C’est en tout cas la conviction de Management & Data Science, une plateforme ouverte de création et de diffusion de la connaissance sur le thème de la transformation digitale. Management & Data Science offre une alternative concrète à la logique du “publish or perish” (Mamavi et Zerbib, 2019) en permettant une reconnaissance de nos auteurs via les altmetrics. La ligne éditoriale de notre revue défend un positionnement fondé sur la rigueur, la pertinence, la vitesse et l'impact alternatif. Management & Data Science estime qu'une étude peut être qualifiée de scientifique dès lors qu'elle répond à au moins deux critères fondamentaux : la transparence et la reproductibilité. Or, le double aveugle ne nous semble pas ici constituer un moyen incontournable pour évaluer ces deux critères.

EXPLORING COGNITIVE RENT : A STRATEGY FOR COUNTERING ALGORITHMS

Covid-19 and the increasing risk of disruption caused by algorithms have led companies to reconsider their market strategy and seek out new competitive advantages. Building up cognitive rent could be one way of achieving this, as long as businesses are able to successfully explore and exploit the knowledge they acquire. This article focuses exclusively on exploring and acquiring cognitive rent, using the resource-based theory of the firm that considers knowledge as a way to drive a company’s ability to compete. Cognitive rent offers theoretical, operational, and strategic elements that enable organisations to improve the quantity and the quality of their resources. This potentially provides inroads for new competitive advantage and protection against the risk of market platformisation.

Accepter et intégrer les feedbacks : un défi pour les serious games

Le COVID accroit l’usage de systèmes d’information dans l’enseignement. Comment tenir compte des feedbacks et bugs rencontrés ? La gestion des bugs est symptomatique du traitement des feedbacks. Une organisation pourrait ignorer un feedback qui ressemblerait à un bug coûteux. Les bugs trackers fonctionnent comme l’AMDEC. Nous suggérons qu’ils permettent la négociation. Nous avons intégré le bug tracker dans un modèle nommé « modèle organisationnel d’acceptation d’un feedback » (MOAF). Pour que le MOAF fonctionne, outre une intégrité des données de feedback, nous suggérons l’importance pour cet objet frontière de fédérer et de permettre de paramétrer les priorités des feedbacks