Développement et validation d’une échelle de mesure de l’accompagnement des PME à l’exportation
Notice bibliographique
Résumé
De nombreuses études empiriques s’intéressent à l’efficacité de l’accompagnement à l’exportation. Cependant, l’absence d’un instrument de mesure validé de l’accompagnement à l’exportation rend difficile la comparaison de leurs résultats. Les auteurs soulignent par conséquent la nécessité d’élaborer une échelle de mesure qui puisse être réemployée dans les futures études. Cet article s’inscrit dans cette perspective et vise à répondre à la problématique suivante : comment mesurer l’accompagnement à l’exportation dont a bénéficié l’entreprise ? Pour cela, nous nous appuyons sur le paradigme de Churchill (1979) afin de proposer une échelle de mesure qui tient compte à la fois de la nature et de l’intensité de l’accompagnement à l’exportation. Dans ce cadre, une étude empirique a été menée auprès de 288 PME françaises accompagnées. Les résultats confirment la multidimensionnalité de l’accompagnement à l’exportation au travers de quatre dimensions : la formation, la prospection, la mise en réseaux et le soutien financier. Chacune d’entre elles est appréciée par un ensemble d’items reflétant les services d’accompagnement à l’exportation accessibles aux entreprises. L’emploi de cet outil de mesure offre aux chercheurs comme aux pouvoirs publics la possibilité de mieux apprécier l’influence spécifique des différents types d’accompagnement à l’exportation.
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 | 0,026 | 0,096 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,007 | 0,009 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,011 | 0,002 |
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 ».