Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
et article part du constat que les petites et moyennes entreprises ont en général un accès au financement externe beaucoup plus difficile que les grandes entreprises. Cela peut s’expliquer par le fait que le risque de défaillance des PME est statistiquement plus élevé que pour les grandes entreprises. Notre contribution vise à présenter les raisons qui expliquent, sur le plan théorique, le refus de financement pour ce type d’entreprises. Pour ce faire, nous considérons que l’analyse de rationnement de crédit peut nous servir comme support théorique pour expliquer cette exclusion des PME en matière de financement. Dans cette perspective, cette analyse répond à un double objectif: premièrement, étudier le phénomène du rationnement du crédit et plus particulièrement celui du « redlining » et montrer qu’il permet d’expliquer l’exclusion des PME aux ressources financières ; deuxièmement, proposer des pistes de recherche qui permettent d’envisager une diminution de l’ampleur de celui-ci. Dans cette optique, la prise en compte des relations de long terme et de clientèle constituent un moyen pour réduire le rationnement du crédit et jouent, par conséquent, un rôle fondamental dans l’octroi de prêts aux PME.
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.
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 | 0,005 | 0,007 |
| 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 | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découle