« L’effet élastique » : l’évolution du rapport au temps des entrepreneurs pendant la crise de la Covid-19
Notice bibliographique
Résumé
Cet article a pour objectif de comprendre comment les entrepreneurs de profils variés traversent la crise de la Covid-19 au Québec. En mobilisant une approche processuelle, et à partir de l’analyse qualitative de 30 entrevues, notre étude fait ressortir une séquence en trois phases, reflétant une évolution du rapport au temps des entrepreneurs, que nous avons nommé « l’effet élastique ». Les résultats identifient ensuite les thèmes dominants qui caractérisent chaque phase vécue. Notre étude offre plusieurs contributions importantes. Elle montre que le rapport au temps joue un rôle important lorsque les entrepreneurs passent à travers la crise et souligne ainsi l’importance du facteur humain. De plus, par l’identification des trois phases successives, l’étude mène au constat qu’il y a une synchronicité dans ce rapport au temps suite à l’éclatement de la crise, et ce malgré certaines variations individuelles et contextuelles qui teintent les réalités entrepreneuriales. Au niveau pratique, reconnaître et anticiper l’effet élastique pourrait permettre une meilleure préparation et gestion de futures crises externes majeures. Enfin, les dimensions de contexte identifiées peuvent être intégrées dans des savoirs transmis par les accompagnateurs à l’entrepreneuriat, pour mieux soutenir les entrepreneurs en situation de crise.
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 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,012 | 0,010 |
| Communication savante | 0,008 | 0,004 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».