PME et entrepreneuriat : une analyse lexicométrique et structurelle des travaux publiés dans la Revue internationale PME (1988-2020)
Notice bibliographique
Résumé
Ce travail analyse 588 articles et notes de recherche publiés dans 98 numéros de la Revue internationale PME (RIPME), depuis son premier numéro (1988) jusqu’au dernier numéro de l’année intégralement disponible pour mener notre analyse (2020). Sur la base d’une revue de la littérature portant sur les points de convergence et de divergence entre PME et entrepreneuriat en tant que champ théorique, nous répondons à la question suivante : comment a évolué le discours scientifique au sein de la RIPME ? À cette fin, nous mobilisons une méthodologie d’analyse des données textuelles automatisée qui porte sur le titre et le résumé des 588 textes. Nous identifions le vocabulaire le plus souvent mobilisé et ses évolutions dans le temps en fonction de trois périodes : 1988-1998, 1999-2009 et 2010-2020. Une classification descendante hiérarchique, selon la méthode Reinert, permet d’identifier trois grandes classes de vocabulaire : (1) la PME, (2) l’entrepreneuriat et (3) le contexte. Pour chacune de ces classes, nous décrivons la dynamique temporelle. Si les textes orientés « PME » demeurent dominants, les textes en « entrepreneuriat » gagnent de plus en plus de place. Nous pouvons catégoriser les 588 textes au sein de ces trois classes, ce qui nous permet de constater des interconnexions. Ces résultats nous permettent de proposer cinq dimensions de convergence relatives aux travaux PME et entrepreneuriat.
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 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,019 | 0,046 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,003 |
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 ».