Développement de la recherche sur l'identification collective d'opportunités d'affaires : assises et perspectives
Notice bibliographique
Résumé
Plusieurs travaux théoriques et empiriques portent aujourd’hui sur le thème de l’identification d’opportunités, une étape cruciale dans toute création d’entreprise. Parmi ces travaux, un nombre grandissant s’inscrit dans un courant de pensée nouveau, avançant l’idée que différents acteurs pourraient joindre leurs forces pour identifier collectivement des opportunités d’affaires, de façon à supporter le développement des milieux concernés. En effet, on voit de plus en plus émerger des travaux s’inscrivant un courant collectif de l’entrepreneuriat, reconnaissant l’importance d’aller au-delà du seul individu entrepreneur dans l’étude de l’émergence des opportunités. Malgré tout, les repères théoriques pour développer des modèles d’intervention porteurs à cet égard demeurent absents. En effet, dans les travaux sur l’identification d’opportunités, le processus est quasiment toujours individuel et relève généralement de l’entrepreneur. Cet article cherche en partie à pallier le manque de repères théoriques en mettant en évidence dans un premier temps les facteurs influençant le processus individuel d’identification des opportunités retrouvés dans la littérature et pouvant servir d’assises pour étudier le phénomène dans une perspective collective, et en proposant dans un deuxième temps un cadre conceptuel de processus collectif d’identification d’opportunités. Quatre concepts clés ont été dégagés pour aborder la dimension collective de l’identification d’opportunités : l’information, l’apprentissage, la créativité, de même que les réseaux, incluant le capital social.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».