MétaCan
Menu
Retour à la cohorte
Enregistrement W4312220129 · doi:10.1080/08276331.2022.2150594

Les déterminants de la maturité énergétique dans les PME québécoises

2022· article· fr· W4312220129 sur OpenAlexaffabout
François Labelle, Azize Nafa, Hugues Fortin, Marie-Andrée Leduc

Notice bibliographique

RevueJournal of Small Business & Entrepreneurship · 2022
Typearticle
Languefr
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensHydro-QuébecUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

De manière agrégée, les PME sont de grandes consommatrices d’énergie et ont des impacts environnementaux considérables au niveau mondial. Malgré cela, elles attirent encore peu l’attention des chercheurs et des responsables des politiques publiques. Pourtant, sans leur contribution, l’atteinte des cibles nationales en matière énergétique et environnementale est improbable. En ce sens, il devient essentiel de mieux comprendre ce qui les incite à devenir plus mature au niveau énergétique. La présente étude adopte une analyse multiniveau en considérant les aspects individuel, organisationnel, contextuel pour identifier les déterminants de la maturité énergétique des PME. Une étude menée auprès de 409 PME québécoises permet d’établir que ce sont les facteurs organisationnels intangibles qui sont les principaux déterminants de la maturité énergétique dans les PME québécoises. Les facteurs contextuels n’ont pas d’influence et un seul facteur individuel, l’âge du dirigeant, exerce une influence limitée. Cette reconnaissance de la prépondérance des facteurs organisationnels intangibles est un apport aux écrits sur le sujet qui ne font pas cette distinction lorsqu’ils considèrent les freins et accélérateurs des pratiques d’efficacité énergétique. Cela procure aussi un enseignement pratique important: l’acquisition de compétences et d’attitudes proactives dans les PME envers l’efficacité énergétique est un levier d’action à prioriser.

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)0,001
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 enseignants0,102
Score d'incertitude au seuil0,204

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,019
Tête enseignante GPT0,241
Écart entre enseignants0,222 · 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

Citations1
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Small Business & EntrepreneurshipMême sujetSustainable Supply Chain ManagementTravaux en français237 207