MétaCan
Menu
Retour à la cohorte
Enregistrement W3015987540 · doi:10.48424/imist.prsm/ram-v4i2.15917

Pratiques d’affaires et performance des PME camerounaises

2019· article· fr· W3015987540 sur OpenAlexaff
C Luc Foleu, Josée St‐Pierre, A Crispin Enagogo

Notice bibliographique

RevueLe dépôt institutionnel (Université du Québec à Trois-Rivières) · 2019
Typearticle
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésPolitical scienceHumanitiesPhilosophy

Résumé

récupéré en direct d'OpenAlex

La compétitivité des entreprises, est l’un des enjeux auxquels sont confrontés quotidiennement les propriétaires dirigeants de PME, peu importe les pays, les secteurs et la nature de l’activité. Pour faire face à cet enjeu, les PME doivent mettre en place les facteurs de leur réussite dont elles mesureront les résultats grâce à la gestion de leur performance. La littérature permet d’identifier de nombreux facteurs déterminants de la performance, mais ceux-ci ont été mis au jour principalement par l’étude d’entreprises localisées dans les pays développés où le contexte et l’écosystème d’affaires ne sont pas représentatifs de ce qui existe dans les pays en développement. Quels sont les déterminants de la performance des PME africaines ? Notre étude permet de répondre à cette question grâce à l’analyse de PME manufacturières camerounaises. Une analyse typologique a permis aussi de regrouper les entreprises en trois clusters, à partir desquels on observe des comportements différents et un usage des pratiques d’affaires variable selon les groupes. Les configurations d’entreprises obtenues ne se distinguent toutefois pas au niveau de leur performance, ce qui signifie que les entreprises ont su identifier les pratiques d’affaires qu’elles avaient besoin pour rencontrer leurs objectifs.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0020,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,013
Tête enseignante GPT0,199
Écart entre enseignants0,186 · 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'étudeObservationnel
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLe dépôt institutionnel (Université du Québec à Trois-Rivières)Même sujetAgriculture and Rural Development ResearchTravaux en français237 207