MétaCan
Menu
Retour à la cohorte
Enregistrement W4379532996 · doi:10.3917/inno.pr2.0149

Processus de développement de nouveaux produits dans les petites et moyennes entreprises (PME) innovantes : une étude exploratoire

2023· article· fr· W4379532996 sur OpenAlexaffabout
Caroline Blais, Josée St‐Pierre

Notice bibliographique

RevueInnovations · 2023
Typearticle
Languefr
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensUniversité du Québec à Trois-RivièresUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

L’innovation est un des moteurs de l’économie qui peut assurer la compétitivité et la pérennité des PME dans un monde de plus en plus concurrentiel. Dans la mesure où les États mettent au cœur de leurs priorités le rehaussement de l’engagement des PME dans des stratégies d’innovation, il nous apparaît essentiel de nous questionner sur leurs façons d’innover, notamment par l’examen des processus mobilisés permettant de commercialiser avec succès une idée de nouveaux produits. Les taux élevés d’échecs en matière de développement de nouveaux produits (DNP) justifient aussi la pertinence de cette question. Nous proposons d’y répondre par une étude exploratoire réalisée auprès de cinq PME canadiennes (province du Québec) qui ont connu du succès en innovation. Contrairement à ce que suggère la littérature, nos résultats montrent la formalisation du processus mis en place permettant aux promoteurs d’ajuster rapidement leurs activités en cours de développement pour réduire les risques d’échecs. Ces conclusions sont toutefois contingentes à l’expérience en DNP des dirigeants, à la présence d’une certaine expertise et à la collaboration avec leurs principaux clients. Codes JEL : M100, M190

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)0,009
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,292
Score d'incertitude au seuil0,582

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,013
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0040,003
Communication savante0,0070,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,035
Tête enseignante GPT0,290
Écart entre enseignants0,255 · 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'étudeQualitatif
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

Citations3
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInnovationsMême sujetInnovation and Knowledge ManagementTravaux en français237 207