MétaCan
Menu
Retour à la cohorte
Enregistrement W2593038886 · doi:10.7202/1038337ar

Les dérives des systèmes d’accompagnement sur la prise de décision et de risque dans la création d’entreprise : réflexions pour la recherche et pour la pratique

2016· article· fr· W2593038886 sur OpenAlexvenueno aff
Saulo Dubard Barbosa, Luc Duquenne

Notice bibliographique

RevueRevue internationale P M E Économie et gestion de la petite et moyenne entreprise · 2016
Typearticle
Languefr
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Cet article interroge l’accompagnement à partir d’une réflexion de fond sur la prise de décision et de risque en entrepreneuriat. En adoptant une approche abductive et pragmatique basée à la fois sur notre expérience dans l’accompagnement et sur une articulation approfondie de trois corpus théoriques distincts, nous présentons une vision dynamique du processus de création d’entreprise dans laquelle un porteur de projet accompagné doit prendre des décisions face à l’incertitude et à son évaluation du risque, et cela malgré les limites de sa rationalité. Les décisions et les actions qui en découlent auront des conséquences, dont une partie sera imprévisible et non intentionnelle, mais qui auront tout de même un impact sur les dialogiques porteur/projet, projet/accompagnateur et porteur/accompagnateur. À partir de cette mise en perspective nous discutons trois dérives possibles des systèmes d’accompagnement sur la prise de décision et de risque en création d’entreprise : le retrait face à l’expertise de l’accompagnateur, la soumission aux contraintes imposées par les systèmes d’accompagnement même aux dépens du projet et de son porteur et la possible altération temporelle inadéquate du processus entrepreneurial. Nous concluons en évoquant quelques pistes de réflexion pouvant aider à éviter ces dérives et pouvant constituer d’intéressantes voies de recherche futures.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,016
score de la tête « metaresearch » (Gemma)0,047
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil0,087

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0160,047
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,019
Communication savante0,0150,020
Science ouverte0,0020,007
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,306
Écart entre enseignants0,248 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevue internationale P M E Économie et gestion de la petite et moyenne entrepriseMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207