Analyse dynamique de l’évolution des principaux thèmes en gestion de projet

Densité et centralité

Les deux variables utilisées pour évaluer la contribution et l’ importance relative des plus importants faisceaux en Gestion de Projet sont la densité et la centralité. Comme on l’a étudié dans les derniers points, l’analyse scientométrique fait ressortir à partir d’un indice d’association entre les mots, les associations les plus significatives (les agrégats de mots qui sont plus fortement liés entre eux qu’avec les autres mots du reste du réseau). Deux associations différentes peuvent être observées dans un faisceau; une interne et une externe . On parle d’association interne si les termes sont trouvés dans le même faisceau et au même niveau, sans hiérarchie. On utilise cette association pour explorer le domaine de notre corpus. Si les sujets sont trouvés dans deux faisceaux, les liens sont considérés comme externes parce qu’ ils sont à l’extérieur de lui . Chaque faisceau est ainsi construit autour d’un terme central qui servira pour le défmir et avec lequel tous les autres termes reliés sont en relation statistique. Pour le caractériser, on recourt à deux indices: un indice de cohésion interne qui permet d’évaluer sa densité et, un indice de cohésion externe qui correspond à sa notion de centralité. La force des liens dans et entre les faisceaux donne la valeur à leurs relations respectives et leur importance relative. Grâce à cette force, cette analyse nous permet d’étudier l’évolution de la gestion de projet en faisant apparaitre les thématiques les plus significatives.

Centralité Elle est utilisée afin de mesurer la force des champs de recherche en comparaison avec des autres champs. Les liens les plus nombreux, forts et cruciaux sont les tendances en recherche selon la communauté des scientifiques. Ils occupent une position stratégique et représentent un point important à observer (Callon et al, . 1991). Pour le cas de notre étude, mesurer les nombreux liens externes des faisceaux provoquait des problèmes avec la façon selon laquelle LexiQuest Mine™ travaille. En conséquence, on a développé un processus propre afin d’évaluer la centralité des faisceaux obtenus. Callon (1997) donne une approche intéressante pour déterminer la centralité de chaque faisceau . Dans son analyse, il calcule la moyenne des six premiers liens avec les faisceaux externes. Une procédure similaire a été testée pour notre base de données. Dans LexiQuest Mine™ le concept est créé à travers un mot clé et celui-ci est ainsi entouré des autres mots clés. Pour obtenir les principaux mots clés de notre base de données, on a indiqué au logiciel de nous montré sa liste selon leur fréquence (ils sont ordonnés en ordre descendant). Parmi les détails les plus importants, on a considéré l’algorithme «discovem pour faire sortir la liste et arriver à des résultats plus exacts. On a alors pris les 15 mots clés avec la fréquence la plus élevée (contenant plus de liens entre les mots) en formant un réseau de faisceaux représenté par un mot clé central. On a décidé de prendre les 1 0 premiers sous mots clés qui entouraient le mot central, et, en évaluant leurs liens externes, on a obtenu une moyenne très faible (1-2-3). Cette caractéristique a été présente tant pour le volet académique que pour le volet professionnel.

Densité Aussi appelée cohésion interne, la densité est mesurée avec la moyenne d’Association Indice E de tous les liens internes de deux mots unis dans le même faisceau , en conséquence entre plus élevé soit le réseau plus cohérente sera le terme en question. Elle est employée pour mesurer la force des liens (coefficient d’équivalence ou de repli) en même temps qu ‘elle fait la liaison des mots clés afin de créer des réseaux entre eux. Elle montre aussi la force de chaque faisceau et en donne une vision à travers le temps, autrement dit la capacité qu ‘ il aura de rester ou de se développer (Callon et al., 1991). La valeur de la densité pour un faisceau peut être mesurée de différentes façons . Généralement, la valeur d’index des liens entre chaque paire de mots est calculée en premier. La valeur de la densité peut être la valeur moyenne des liens internes (Turner et al. , 1988; Coulter et al,. 1998), la médiane de liens internes (Callon et al. , 1993), ou l’adition des quadrants des valeurs de liens internes (Bauin S, et al. , 1991). Une description précise de chaque champ de recherche est obtenue grâce à l’ ordre des mots clés en décroissance selon la densité générée (Bauin S. et al., 1991). Pour cette recherche on a pris la procédure utilisée par Callon (1991), c ‘est-à-dire que la densité a été mesurée en prenant entre les sept et dix sous-mots les plus étroitement liés aux mots clés centraux. On a pris la valeur de la moyenne de tous nos liens internes et on a utilisé cette valeur comme mesure de densité.

Rapprochement des sujets étudiés par des auteurs des publications tant académiques que professionnelles

Depuis la première publication en GP dans les années 1950, on a fait des analyses dynamiques et globales de son évolution. Elles confirment qu’on assiste à une sensibilisation croissante et de plus en plus diversifiée de la part des chercheurs. La parution croissante de livres sur les différents sujets et tendances, les colloques internationaux spécialisés et les divers programmes d’enseignement en GP constituent des exemples de la croissance et de l’intérêt des différents acteurs pour le développement du corpus de connaissances dans ce domaine. Pour mener à bien cette question et grâce à une grande quantité d’information traitée, on est capable de représenter les champs de recherche dans lesquels un auteur a fait une contribution ou dans lesquels ils ont eu un intérêt à faire des recherches. Notons qu ‘ on a pris les auteurs les plus importants selon leurs niveaux de fréquence (données acquises par notre base de données). Afin d’exemplifier les résultats, on a considéré comme exemple l’ auteur Jeffrey K. Pinto. En regardant la figure 19, les sept prInCIpaUX champs d’ intérêt sont:« credit discrimination », « interest rates », « guidelines », « success », « models », « gobalization » et « conflicts ». La corrélation entre les différents auteurs représente aussi un point d’ intérêt basé sur les objectifs de cette étude. Pour schématiser cette question, on présente la figure suivante.

Elle montre les différents auteurs qui travaillent en collaboration avec Jeffrey K. Pinto. L’ interaction entre les acteurs est très riche et très vaste. On peut obtenir la liste des auteurs qui travaillent sur un thème spécifique. On peut également savoir dans quelle mesure les auteurs travaillent sur tel ou tel thème et grâce à des comparaisons, on peut alors imaginer des pistes de recherches futures et communes à ces auteurs. On présente la figure 21 sur le thème « studies » comme exemple. La recherche s’ inscrit dans la ligne de l’interprétation des résultats de notre base de données à travers une analyse scientométrique. Les paramètres concernant les plus importants thèmes à représenter ont été basés sur leur niveau de fréquence. La même ligne directrice a été considérée pour représenter les auteurs les plus nombreux dans notre base de données. On a retenu six auteurs ayant un haut lllveau de fréquence tant académique que professionnel. En prenant les auteurs, on a considéré leurs premiers Il sujets de recherche Notons que la tendance de la recherche selon ces auteurs est orientée vers l’industrie de la construction et la gestion de ressources financières . Le thème le plus cité est « cost engmeenng ». L’analyse présentée est intéressante dans le cadre de l’activité scientifique, toutefois on n’est pas capable de représenter l’interaction des auteurs avec les sujets communs de recherche .

L’ impact des journaux sélectionnés

Selon les affirmations d’auteurs comme Hoon Kwak, Young., T Anbari (2008), Frank, les gestionnaires de projets qui sont déjà sur le marché du travail n’ont plus de temps pour réaliser des recherches dans le domaine, cependant ils regardent ce que font les académiciens pour essayer de rester aussi dans le monde de l’innovation en recherche. Une manière très simple et efficace de le faire serait de regarder les publications dans les journaux les plus reconnus en GP (selon leur domaine de spécialisation). Pour réaliser une analyse plus détaillée sur l’importance des journaux en GP, on a constitué une base de données de 1240 journaux professionnels et 524 journaux académiques. On sait que l’évaluation de la qualité scientifique d’un article est un problème délicat. À cet effet, on a considéré certains paramètres en particulier pour développer cette analyse. On a pris les 25 journaux présents avec la plus haute fréquence dans chaque base de données, à l’exception de « International Journal of Project Management » (IJPM) et « Project Management Journal » parce qu’ ils représentent, entre autre, les journaux les plus illustratifs dans le cheminement académique considérant qu ‘ ils seront présentés séparément dans des analyses suivantes. On a commencé l’extraction des indicateurs grâce à la base de données scientifique d’un groupe mondial de l’information professionnelle, financière et juridique « Thomson Institut for Scientific Information » (lSI). Fondée en 1960, ISI publie annuellement son « Journal Citation Report» (JCR), qui inclut un certain nombre d’ indicateurs, comme le « Journal Impact Factor » (JIF) 15 . À cet égard, on trouve cités six journaux académiques et quatre professionnels sur le site web de « Thomson Scientific (2006) ». On présente un tableau avec le nombre de publications par année, son « impact factor », « l’impact factor » des cinq dernières années, les « ITEMS citables » et le «cited halflife ». L’ «impact factor » (journal impact factor (HF) en français) est la mesure de la fréquence avec laquelle un journal a été cité pendant une période déterminée (normalement trois ans) . Le « cited halflife » est le nombre des années passées pour attendre le 50 % des citations des articles présents dans un journal 16 .

Conclusion relative à la comparaison des impacts

L’analyse présentée est très riche, elle donne une autre vision de l’importance des journaux selon les différents indicateurs. Entre les limites les plus extrêmes qu ‘ on a trouvées, on constate que les domaines ne sont pas également couverts, par exemple les sciences du vivant sont mieux représentées que les sciences exactes. Il est aussi reconnu que la couverture des domaines plus proches de la demande sociale ou de l’application (science de l’ingénierie) n’est utile que pour la recherche fondamentale . Une autre limite est que l’ISI essaie d’éviter de compter les « autocitations » d’auteurs (c’est-à-dire les citations de leurs propres articles) en se contentant toutefois d’éliminer les articles cités dont le premier auteur est un des auteurs de l’article citant (ainsi, les « autocitations » entre les membres d’un groupe risquent d’être très sous-évaluées). Une troisième limite propre à notre base de données acquise par LexiQuest Mine ™ a été que le nombre des journaux académiques étaient moins nombreux que ceux de niveau professionnel.

Par contre, leur niveau de présence représente environ la même valeur en pourcentage entre eux, c’est le cas contraire pour les journaux professionnels. Pour contrer ces limites, on a décidé de prendre les deux journaux ayant le plus haut niveau de fréquence, avec une condition : minimum 450 publications par journal et en prenant comme base de sélection notre base de données acquise par LexiQuest Mine™ au lieu de celle de « Thomson Scientific (2006) ». Dans ce cadre-ci, on a obtenu deux journaux au niveau professionnel et un au niveau académique, ainsi que leurs 10 principaux thèmes de recherche. Le journal académique est « AACE International Transaction » (Association for Advanced Cost Engineering), un journal américain spécialisé en gestion d’estimation du coût dans le domaine de l’ ingénierie . Il a présenté 427 publications sur 8081 de notre base de données, cette valeur représente 6 % des publications totales. « AACEE International Transaction» a parmI ses prmCIpaux sujets de recherche : « construction companleS» avec 12,1 sur une échelle de 1 00, « cost engineering » 9,2 et « construction » 6,8, comme le montre la figure 28 :