Susciter l’engagement des mentors bénévoles pour entrepreneurs : une question de sélection ou d’encadrement ?
Notice bibliographique
Résumé
Les programmes de mentorat pour entrepreneurs reposent sur des bénévoles qui peuvent quitter leur engagement à tout moment. Sachant les coûts reliés à la gestion des programmes et aux formations de ces mentors, l’étude de leur rétention et de leur satisfaction face à leur engagement devient un impératif. Pour étudier cette problématique, nous avons réalisé une enquête auprès de 366 mentors du Réseau M de la Fondation de l’entrepreneurship (Québec). Nos résultats indiquent que trois des six raisons qui amènent les mentors à s’engager de manière bénévole ont une influence sur leur satisfaction à l’égard de leur engagement ainsi que sur leur rétention : pour comprendre et apprendre, parce que cela correspond à leurs valeurs et pour rehausser leur estime de soi. Il appert que l’investigation des raisons de s’engager pourrait être un outil important dans la sélection des mentors ayant le plus grand potentiel de demeurer actifs et d’être les plus satisfaits dans une organisation de cette nature. Néanmoins, les gestionnaires de programmes de mentorat doivent surtout considérer des activités suscitant la satisfaction envers l’engagement dans la cellule locale pour retenir leurs mentors.
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 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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 découleClassification
machine, non validéePrédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».