Des inégalités d’accès aux inégalités de succès : enquête sur les fondateurs et fondatrices de start-up
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Parfois utilisé pour désigner des entreprises innovantes, d’autres fois pour désigner un modèle d’entreprise risqué ou pour mettre l’accent sur des entrepreneur·ses jeunes et héroïques, le mot start-up ne trouve aucune définition objective, ne correspondant à aucune catégorie juridique. Cet article propose d’apporter un éclairage sur cet objet largement médiatisé et pourtant peu étudié. En nous appuyant sur une double enquête qualitative et quantitative menée depuis 2016 auprès de fondateurs et fondatrices de start-up, nous questionnerons les prétendues spécificités du modèle des start-up en analysant les représentations qui leur sont associées. Sont-elles vraiment des entreprises plus jeunes, plus innovantes, avec un potentiel de croissance plus important que les autres ? Après avoir explicité les modes de création et de développement qui distinguent les start-up des entreprises classiques, nous montrerons qu’ils viennent renforcer les inégalités de classe et de genre, tant dans les chances d’accès que dans les chances de succès, alors même que le modèle des start-up se présente comme un modèle d’entrepreneuriat plus démocratique et méritocratique que ce qui existe par ailleurs.
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.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découle