Impacts de la Covid-19 sur la santé mentale des entrepreneurs en Afrique
Notice bibliographique
Résumé
Les PME constituent un élément moteur de l’activité économique des territoires où elles sont établies. Le bon fonctionnement et la performance des PME dépendent entre autres des capacités mentales et physiques de leur promoteur, les entrepreneurs. L’émergence de la Covid-19 aussi subite qu’imprévue a remis en cause le fonctionnement normal de la plupart des économies à travers le monde. Ce contexte sans précédent se caractérise par des effets sur les individus et dans diverses sphères de la vie économique. Nous nous intéressons dans cette étude à l’impact de la Covid-19 sur la santé mentale des entrepreneurs en Afrique. À cet effet, des données ont été collectées auprès de 158 entrepreneurs exerçant sur ce continent au début de la pandémie. Les analyses réalisées montrent que plusieurs d’entre eux ont fait l’expérience de différents symptômes de détresse psychologique à la suite des conséquences de la pandémie sur leurs entreprises. Les caractéristiques et les ressources personnelles (âge, expérience) ainsi que celles de l’entreprise (stade de développement, taille de l’entreprise) contribuent toutefois à tracer un portrait contrasté de la détresse psychologique chez les entrepreneurs en Afrique.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,011 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,001 |
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.
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».