Impacts et Facteurs de résilience des Petites et Moyennes Entreprises du Burkina Faso dans le contexte de crise Covid-19
Notice bibliographique
Résumé
La crise transfrontalière du Covid-19 à crée un effondrement de l’économie mondiale. L’objectif de cette étude est d’en comprendre l’impact sur les Petites et Moyennes Entreprises du Burkina Faso, ainsi que les facteurs de résilience qui ont favorisé leur rebondissement. L’approche méthodologique adopté est une étude de cas par analyse qualitative des données issues d’un entretien avec cinq dirigeants de PME située dans différentes régions du Burkina Faso. Le logiciel Nvivo a été utilisé pour le traitement et l’analyse des données, qui ressort le constat d’un impact entrainant la perturbation de la chaîne d'approvisionnement, la baisse de la demande, le manque de fonds de roulement et la fermeture temporaire des entreprises. Pour pallier à ces impacts, les entreprises participantes ont adopté des stratégies telles que la diversifications de produits et services, la reconversion d’activité, nouer des partenariats, une politique Ressources Humaines flexible, et compté sur le soutien financier et fiscal de l’Etat. Sur la base de ces résultats nous proposons aux PME un modèle de résilience aux crises, nommé ROPEN et une proposition aux décideurs politiques pour un accès inclusif des financements aux PME.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,009 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,039 | 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 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 ».