La criminalité contre les PME : étude exploratoire de victimisation et de prévention en Belgique francophone
Notice bibliographique
Résumé
Cette étude exploratoire se penche sur la problématique de victimisation des PME. Basée sur l’organisation de tables rondes, la tenue d’entretiens en face à face et la réalisation d’une enquête auprès de 124 PME de Belgique francophone, la recherche dégage les types de victimisation et leur importance, les modes de prévention et l’approche de la gestion des conséquences d’un sinistre. Cette étude pluridisciplinaire réalisée par une équipe réunissant des spécialistes de la criminologie et de la gestion des PME investigue un terrain de recherche quasiment vierge. Elle souligne l’importance de distinguer les délits d’origine interne de ceux d’origine externe en raison des implications très différentes qu’ils ont au regard de la gestion. Les premiers relèvent en effet principalement de la gestion des ressources humaines tandis que les seconds relèvent plutôt de la gestion des risques. L’étude montre également que de nombreux délits ne sont pas rapportés aux services de police, ce qui autorise à penser que les statistiques policières sous-estiment largement l’étendue du phénomène de délinquance contre les entreprises. Elle révèle en outre que ces dernières ont une attitude plus réactive que proactive et que certains facteurs aggravent le risque de victimisation. Enfin, quelques pistes sont fournies en vue de la réalisation de recherches futures qui permettraient d’améliorer notre compréhension de ce phénomène longtemps resté dans l’ombre des projecteurs de la recherche.
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 | 0,002 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
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.
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 ».