Relation entre les compétences du dirigeant de PME et la performance de son entreprise
Notice bibliographique
Résumé
La pression qu’exerce l’environnement d’affaires sur les dirigeants de PME les oblige à se comporter de façon particulièrement efficace pour assurer la performance de leur entreprise. Mais quels sont ces comportements qui favorisent la performance des PME ? Les résultats des nombreux travaux concernant l’influence du dirigeant sur la performance de son entreprise n’offrent pas de réponse satisfaisante à cette question, notamment en raison de certaines limites méthodologiques. En effet, la mesure des comportements qui repose presque toujours sur une autoévaluation effectuée par le dirigeant lui-même ne constitue qu’un point de vue, de surcroît empreint de subjectivité. Afin de tenter d’obtenir des évaluations plus fiables et plus riches, la présente recherche utilise un instrument multisource qui fait appel à plusieurs évaluateurs dans l’entourage du dirigeant pour mesurer ses nombreux comportements de leadership. Les résultats obtenus auprès de 43 dirigeants de PME et de 215 membres de leur entourage indiquent que les évaluations provenant de l’entourage, comparativement aux autoévaluations réalisées par les dirigeants, sont effectivement davantage reliées à la performance de l’organisation, ce qui appuie la pertinence d’avoir recours à un instrument de mesure multisource. En outre, ces résultats permettent de jeter un regard sur les compétences de ces dirigeants qui sont les plus corrélés à la performance de leur PME mesurée dans la présente étude par la rentabilité, la croissance des ventes et le taux de départ volontaire des employés de production.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».