MétaCan
Menu
Retour à la cohorte
Enregistrement W1993782199 · doi:10.1142/s1084946707000629

FACTORS AFFECTING THE USE OF PUBLIC SUPPORT SERVICES BY SME OWNERS: EVIDENCE FROM A PERIPHERY REGION OF CANADA

2007· article· en· W1993782199 sur OpenAlexaffabout
Josée Audet, Étienne St-Jean

Notice bibliographique

RevueJournal of Developmental Entrepreneurship · 2007
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésBusinessRelevance (law)Quality (philosophy)MarketingPerceptionPublic sectorSet (abstract data type)Public relationsEconomics

Résumé

récupéré en direct d'OpenAlex

Public authorities throughout the world, recognizing both the importance and fragility of SMEs, have over the years created agencies and set up numerous venture development support and assistance measures. Despite all these efforts, SME owner-managers do not appear to make maximum use of the services available. Results from a survey of 70 SME owner-managers show that the likelihood of an SME using public support services increases as the perceived usefulness of public agencies and their services increases, and as the level of knowledge of public agencies increases. Furthermore, the probability of using public support services decreases as the experience of the owner-manager increases. On one hand, many owner-managers do not seem to understand the utility or relevance of the services the agencies provide, while on the other, they do not seem to know enough about the agencies working in their region. However, most of the owner-managers who had used the agencies felt the services they had received were appropriate to their needs. Therefore, the problem appears to lie more with the perceptions of certain owner-managers than with the nature or quality of the services themselves.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0040,002
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,084
Tête enseignante GPT0,223
Écart entre enseignants0,139 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations69
Publié2007
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Developmental EntrepreneurshipMême sujetCorporate Finance and GovernanceTravaux en français237 207