La revue

Ligne éditoriale

Une revue sur la transformation digitale des entreprises

Notre époque génère des données massives qui ont de nombreux impacts. L’exploitation de ces nouvelles ressources devient un enjeu fondamental pour les entreprises. La revue Management & Data Science a été crée pour accompagner cette évolution.

Une revue académique

Tous les articles, à l’exception des contenus dits éditoriaux, sont soumis à une évaluation par des pairs (deux évaluateurs externes). Les articles publiés sont des documents originaux dont les conclusions représentent une avancée importante dans la compréhension d’un problème et ont des répercussions immédiates.

Une revue libre d’accès

Afin d’accélérer et d’étendre la diffusion de la revue, tous les articles sont disponibles sur Internet de façon permanents et ouverts à tous. La revue est gratuite pour les lecteurs, les auteurs et leurs institutions.

Une revue interdisciplinaire

La revue accueille des travaux relevant de disciplines multiples à l’instar des sciences de gestion, de l’information, de l’économie, des mathématiques appliquées ou de l’informatique. La revue accueille à cet égard des travaux émanant d’une grande diversité d’acteurs (universités, département de R&D, cabinets de conseil, etc.).

Une revue internationale

Management & Data Science (MDS) souhaite favoriser la diffusion des recherches réalisées à l’ensemble de la communauté scientifique internationale. Les articles soumis peuvent être rédigés en français ou en anglais.

Une revue pour les scientifiques et les professionnels

S’adressant à un double lectorat de praticiens et de chercheurs, désireux de se tenir au courant de l’évolution des sciences, techniques et pratiques des data science dans le management, les articles publiés doivent être conceptuellement rigoureux mais être écrits de façon à être accessibles aux lecteurs avertis mais non spécialistes. Ils doivent en outre mettre fortement l’accent sur les implications managériales du sujet traité.

Une revue pour l’innovation

Management & Data Science (MDS) est un espace de réflexion, de discussion et de rencontre, mais également un espace de travail collaboratif. À travers un laboratoire de données (Datalab), les auteurs pourront partager et analyser des données avec les membres de la communauté.

Caractéristiques de la revue

Bénéficier d’un processus de publication scientifique et rapide

• Management & Data Science est une revue scientifique de l’AIM. Elle est interdisciplinaire en sciences de gestion et la seule revue scientifique francophone spécialisée sur le sujet.
• Des partenaires scientifiques et académiques (ADETEM ; Chaire ESCP Europe « Prospective du commerce dans la société 4.0 » ; Chaire ESSEC « Innovation Managériale et Excellence Opérationnelle » ; Chaire Institut Mines-Télécom « Réseaux Sociaux et Objets Connectés » ; Majeure Institut Mines -Télécom « Entrepreneuriat & Management de l’Innovation », etc.)
• C’est un espace de diffusion de connaissances nouvelles fondées sur des articles scientifiquement rigoureux.
• Le processus de publication est rapide.

Multiplier la diffusion de votre article

• Un format pour les articles scientifiques propice à la diffusion, en anglais ou français (2000 mots + note méthodologique de 500/1000 mots).
• Une revue en libre d’accès et gratuite
• Un partenariat avec The conversation.
• Notre licence Creative Commons (Attribution/Pas de modification)

Nous croyons à la libre circulation de l’information et publions nos articles sous une licence Creative Commons Attribution/Pas de modification. L’auteur est libre de republier gratuitement l’article en ligne ou sur papier. Notre licence vous autorise à reprendre vos phrases telles que vous les avez formulées au sein de votre article. La seule condition étant d’introduire – idéalement en haut de l’article – la formule suivante: « La version originale de cet article a été publiée sur Management & Data Science ».

Bénéficier d’une audience professionnelle

Management & Data Science rassemble une communauté d’experts – académiques et professionnels – qui partage le même intérêt pour les problématiques liées à la transformation digitale et aux données massives. Le revue a noué de nombreux partenariats professionnel et événementiels comme l’ADETEM (1er réseau des professionnels du marketing en France), Salon Big data & AI Paris, Salon Big Data World, etc.

Publier dans une revue innovante

La revue Management & Data Science encourage l’innovation par l’organisation de « Data challenges ». En s’appuyant sur le pilotage par la donnée, ces challenges numériques permettent de proposer une solution aux problèmes décisionnels que rencontrent les entreprises ou les organisations.  Pour les candidats (Chercheurs, Data Scientists), il s’agit d’apporter une contribution scientifique ou technique, de valoriser une expertise et de gagner des prix.

Comment publier dans la revue?

Allez dans le Guide des auteurs pour savoir comment publier dans la revue.

Politique d’évaluation

Management & Data Science 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.

Il nous paraît en effet impossible – y compris via une relecture à double aveugle – de garantir la reproductibilité d’un résultat sans un accès circonstancié au jeu de données. Or, si le jeu de donnée est accessible à la communauté, le double aveugle ne nous semble plus nécessaire.

Management & Data Science assume, en conséquence, un protocole de sélection fondé sur la décision souveraine du comité éditorial. Un comité éditorial peut en effet évaluer le degré de transparence d’un protocole de traitement au même titre qu’il peut apprécier l’existence, ou non, d’un jeu de données. Il peut par ailleurs recourir à tout un ensemble d’expertises afin de lever une éventuelle ambigüité. La vigilance de notre communauté, de nos lecteurs, ajoutée à l’ergonomie de notre plateforme, permet ensuite de discuter, de modérer, de contredire une référence, un protocole, un résultat, ou encore une interprétation.

Voilà pourquoi l’ensemble des articles publiés au sein de Management & Data Science sont en libre accès et peuvent être commentés par notre communauté. Il nous semble en effet que la conversation constitue une dynamique fertile et utile en matière de vitalisation et de régulation du débat scientifique.

Une communauté animée autour de la volonté de discuter et d’améliorer les travaux de recherche a le double avantage de générer un processus de perfectionnement et d’innovation continu, mais également de nourrir l’impact alternatif de nos auteurs.

Il nous semble enfin important de souligner qu’une absence d’évaluation à double aveugle n’implique pas une absence de sélection. Management & Data Science procède en effet à de nombreux rejets.

Management & Data Science s’inscrit à cet égard dans le sillage de la déclaration de Dora qui recommande une recherche concise fondée sur un accès sans contraintes aux données, aux protocoles ainsi qu’aux publications.

Diffusion

Pour une large diffusion de la connaissance scientifique, les articles publiés dans la revue Management & Datascience sont déposés au sein d’une collection dans une archive ouverte.

Nous avons choisis l’archive ouverte HAL. Cette archive ouverte est un réservoir numérique contenant des documents issus de la recherche scientifique, généralement déposés par leurs auteurs, et permettant au grand public d’y accéder gratuitement et sans contraintes.

Découvrir la collection Management & Datascience sur HAL.

Pour une large diffusion de la connaissance scientifique, nos articles sont en ligne, en libre accès, gratuit et réutilisable dans le respect du droit d’auteur.

	Nos publications sont libres d’accès.
	Nos publications sont sous licence Creative Commons.
	Nos publications sont identifiées avec un DOI fourni par Crossref.
	Notre revue est indexée dans le répertoire international des revues en libre accès (DOAJ)
	Nos publications sont indexées par Google Schoolar.

Droits et republication

Vous êtres libres de republier gratuitement notre article en ligne ou sur papier. Nous vous demandons de suivre les règles de republication ci-dessous.

Nous croyons à la libre circulation de l’information et publions nos articles sous une licence Creative Commons Attribution/Pas de modification.

 

Règles de republication, pour la presse écrite ou en ligne

• Vous ne pouvez pas modifier nos articles. Si vous souhaitez effectuer des modifications dans le texte, vous devrez les faire en accord avec l’auteur avant la publication.
• Vous devez citer les auteurs et leurs institutions, idéalement en tête de l’article.
• Vous devez citer Management & Data Science en précisant la formule suivante: « La version originale de cet article (lien URL du document) a été publiée sur Management & Data Science  (lien URL de la revue) ». Il est souhaitable de placer cette citation en haut de l’article.
• Vous ne pouvez pas vendre nos articles séparément, mais il est possible de les mettre sur les pages qui ont des publicités.
• Vous devez avoir l’autorisation de republier les images dans nos articles. Certaines images, telles que celles provenant de fournisseurs commerciaux, ne peuvent pas être republiées sans autorisation ni paiement. Les termes de copyright sont généralement disponibles dans la légende et l’attribution de l’image.
• Vous ne pouvez pas systématiquement republier tous nos articles, ni intégrer l’ensemble du contenu de notre site dans le vôtre.
• Si l’accès à votre site est entièrement payant/sur abonnement, vous ne pouvez pas republier nos articles.
• Si votre site est doté d’un paywall, les republications – dans leur intégralité – doivent impérativement être proposées sur la partie en accès libre de votre site.

Cas particuliers

• Extraits : vous pouvez republier les premières lignes ou paragraphes d’un article, puis indiquer « Lisez l’article complet sur Management & Data Science » avec un lien vers l’article.
• Citations : vous pouvez citer les auteurs à condition d’inclure un lien vers l’URL de l’article.
• Traductions : les traductions sont techniquement considérées comme un dérivé en vertu de notre licence Creative Commons et exigent l’approbation de l’auteur.
• Impression : les articles peuvent être publiés selon ces mêmes règles. Nous vous serions reconnaissants de bien vouloir envoyer une image de l’article republié à contact@management-datascience.org afin que nous puissions le partager avec l’auteur.
• Vidéos : ces contenus sont également sous licence Creative Commons et les mêmes exigences d’attribution et de respect de l’original s’appliquent.