Repenser l’échec entrepreneurial des petites entreprises émergentes
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
Créer une entreprise demeure aujourd’hui une initiative très risquée. Même si les statistiques montrent que la disparition précoce d’une jeune petite entreprise est un destin plus probable que sa survie, la littérature scientifique sur l’entrepreneuriat se concentre sur la réussite entrepreneuriale. Les petites entreprises émergentes qui échouent demeurent un groupe peu étudié. En plus, il n’y a pas de consensus sur la signification de l’échec entrepreneurial qui, d’ailleurs, par sa nature multidimensionnelle et complexe, peut revêtir plusieurs configurations. Dans le but de mieux percevoir l’échec entrepreneurial, le présent article propose une typologie articulée autour des trois théories : la théorie d’écologie des populations des organisations, l’approche fondée sur les ressources et la théorie de la « brèche aspirations-réalisations ». L’écologie des populations des organisations perçoit l’échec en termes de mortalité. Basée sur la primauté des ressources, l’approche du même nom analyse l’échec en termes de défaillance économique. La troisième théorie accorde un rôle important à la motivation entrepreneuriale. Pour la théorie de la « brèche aspirations-réalisations », l’échec est associé à la déception personnelle du fondateur à la suite de la non-concrétisation de ses aspirations et attentes initiales. À travers la combinaison de ces trois approches, cet article élabore une typologie de huit catégories ou scénarios d’échec. Il tente d’aller au-delà de la dichotomie classique qui oppose l’ « échec total » et la « réussite absolue ». Il introduit les scénarios d’« échec marginal » et d’« échec partiel ». Une analyse qualitative exploratoire fondée sur l’étude de 10 cas a servi à illustrer cette typologie.
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 | 0,001 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,003 |
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