Vers une taxonomie des profils d’entrée dans un processus de défaillance
Notice bibliographique
Résumé
Une série de recherches issues de la littérature sur la prévention des défaillances d’entreprises constatent que le processus de défaillance diffère d’une entreprise à l’autre et que, plus particulièrement, toutes les entreprises n’entrent pas pour les mêmes raisons dans un processus de défaillance (Argenti, 1976 ; Laitinen, 1991). Cependant, malgré ce constat, à ce jour, peu de recherches proposent une taxonomie (ou une typologie) 1 mettant en évidence différents profils d’entrée dans un processus de défaillance. Par ailleurs, aucune d’entre elles ne se focalise réellement sur les micro- et petites entreprises en difficulté alors que la littérature démontre que la défaillance de ce type d’entreprises est fréquente et spécifique (Julien, 2005). Partant de ces lacunes dans la littérature et sur base d’une analyse inductive et qualitative, cet article propose une taxonomie originale. Focalisée sur les micro- et petites entreprises en difficulté, cette dernière met en évidence sept profils spécifiques d’entrée dans un processus de défaillance.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,004 | 0,009 |
| Communication savante | 0,008 | 0,009 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».