Détermination des facteurs contribuant à la propension et à l’intensité de coopération en matière d’innovation par les PME manufacturières: des analyses qualitatives comparatives (QCA)
Notice bibliographique
Résumé
Le but de cet article est d‘étudier l‘effet de la taille, de l‘âge, de l’intensité de R-D et du réseautage du dirigeant sur la propension et l’intensité de coopération en matière d’innovation. L'analyse est basée sur un échantillon de 273 PME manufacturières situées au Québec, Canada. Jusqu’ici, la coopération en matière d’innovation a été largement étudiée à travers des analyses corrélationnelles classiques, qui limitent l’étude des synergies entre les conditions. Les résultats des analyses qualitatives comparatives (QCA) menées abordent cette lacune et confirment que diverses configurations de conditions, reflétant différents profils de PME manufacturières, sont propices à ce qu’elles coopèrent. Ils suggèrent que des configurations de conditions différentes expliquent la propension (oui/non) et l’intensité de coopération avec des partenaires du marché (clients, fournisseurs, concurrents, consultants) et de recherche (laboratoires, centres de transfert de technologie, cégeps/collèges/instituts technologiques, universités). La coopération avec des partenaires de recherche exige de la part des PME qu’elles détiennent davantage de ressources (taille et intensité de R-D) que la coopération avec des partenaires du marché. L’intensité de coopération avec des partenaires du marché est davantage à la portée de toutes les PME manufacturières, étant donné la diversité de profils dégagés, et peut constituer une entrée en matière.
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 | 0,005 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».