Science en équipe, Science des réseaux, Réseaux de collaboration, Structures d'attribution des tâches, Réseaux bipartites, Innovation basée sur des défis

Les défis modernes de la science et de l'innovation nécessitent l'intégration de diverses perspectives parallèlement à des connaissances spécialisées, ce qui entraîne une évolution vers une recherche interdisciplinaire et collaborative basée sur le travail d'équipe. Cette transformation vers la production collective de connaissances continue à soutenir des résultats de haute qualité et l'impact de la recherche, comme le montrent des cadres tels que l'innovation basée sur les défis et la science de la foule. Pour comprendre comment des équipes plus grandes et plus diversifiées collaborent, répartissent le travail et coordonnent les tâches, il faut adopter une approche mixte, combinant des données qualitatives et quantitatives pour saisir leurs propriétés structurelles. Cependant, le manque d'ensembles de données longitudinales et granulaires a limité notre compréhension de la manière dont les structures de collaboration évoluent et influencent les performances de l'équipe. Dans cette thèse, je m'appuie sur les méthodes de la science des réseaux pour étudier les structures de collaboration dans des contextes d'innovation et de science ouverte basés sur des défis. Tout d'abord, j'étudie les équipes de science citoyenne qui s'attaquent aux défis des Objectifs de développement durable, en identifiant les modèles de collaboration et d'engagement par le biais d'enquêtes et de traces numériques provenant des communications Slack. La collaboration et l'engagement des équipes sont identifiés au moyen d'enquêtes structurées et de traces numériques de leurs communications sur Slack. Je démontre comment ces modèles influencent la performance de l'équipe, en soulignant l'importance d'un engagement soutenu avec les individus à travers divers emplacements du réseau. Deuxièmement, j'étudie la dynamique organisationnelle de plus de 1 200 équipes uniques participant au concours interdisciplinaire de science et d'ingénierie iGEM sur 12 ans, en analysant leur division du travail et leur coordination à l'aide de déclarations d'attribution autodéclarées et de traces numériques provenant de pages wiki en ligne non structurées et éditées de manière collaborative. J'introduis une nouvelle méthode informatique pour déduire les réseaux de répartition des tâches des équipes à l'échelle à l'aide de grands modèles de langage, démontrant sa capacité à récupérer les propriétés locales et globales du réseau avec une grande précision. Je soutiens que les indicateurs basés sur les réseaux, tels que la modularité et l'imbrication, rendent compte de la spécialisation et de la coordination au sein des structures de division du travail, et je montre qu'ils ont un impact significatif sur les performances de l'équipe lors de la compétition. En outre, je montre que les équipes adaptent leur division du travail au fil du temps, convergeant vers des structures optimales en fonction de leur taille, de leur expérience et de la complexité de la tâche. D'une manière générale, cette thèse contribue à la recherche sur la science des équipes dans les écosystèmes d'innovation ouverte et de science en introduisant des approches basées sur les données et les réseaux pour saisir les structures organisationnelles, offrant aux chercheurs et aux praticiens un aperçu de la performance, de l'engagement et de l'adaptation des équipes, soutenant ainsi le développement de stratégies visant à favoriser l'innovation dans la recherche collaborative.