Diffusion d’un label RSE au sein d’un cluster de PME
Notice bibliographique
Résumé
La valorisation d’actions RSE mises en place par les organisations est devenue ces dix dernières années un enjeu mondial majeur. En atteste le nombre croissant de dispositifs de certification proposés aux entreprises privées comme publiques (ISO 26000, SD 21000…). Cependant, force est de constater que très souvent ces dispositifs ne sont pas adaptés au contexte de la PME, alors qu’elles représentent l’essentiel des organisations privées. Tout l’enjeu réside alors dans la compréhension d’une part, des objectifs poursuivis par les concepteurs d’un dispositif de labellisation responsable et d’autre part des besoins des organisations qui participent à un processus de labellisation pour accompagner les PME vers une performance durable. Nous nous sommes proposé, dans cette recherche, d’étudier la diffusion d’un label d’entreprise responsable (ENR) dans un réseau de clusters de PME du secteur du numérique, en mobilisant la théorie de la traduction ou théorie de l’acteur-réseau (ANT). La méthode mobilisée permet de suivre l’évolution du label ENR « en train de se développer » et d’en comprendre le succès relatif à travers l’analyse des relations entre les acteurs. Les résultats de cette étude qualitative conduisent tout d’abord à distinguer trois étapes majeures dans la diffusion de la labellisation, favorisant l’allongement du réseau et la pérennisation de l’innovation. Puis, une typologie d’engagement en faveur du label est proposée selon le degré d’intéressement et d’enrôlement des PME au sein du réseau.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,004 |
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 ».