À la recherche d’un partenaire financier : comment les stéréotypes façonnent les préférences des entrepreneures
Notice bibliographique
Résumé
Les demandes de financement des femmes entrepreneures restent encore peu explorées par la littérature scientifique. Pour investiguer ce sujet, cette recherche explore les préférences de genre des entrepreneures vis-à-vis des investisseurs et des investisseuses. À travers 29 entretiens narratifs avec des femmes entrepreneures en quête de financement pour leur entreprise, cette recherche met en évidence que ces entrepreneures intègrent des stéréotypes de genre dans leurs perceptions des investisseurs, qu’ils soient hommes ou femmes, et que ces perceptions guident leurs préférences de financement. En s’appuyant sur la théorie de la congruence des rôles de genre, la principale contribution de cette recherche réside dans la révélation de la manière dont ces stéréotypes façonnent et guident leurs préférences de genre selon la congruence ou l’incongruence des rôles qu’elles attribuent aux hommes et aux femmes en tant qu’investisseurs. Elle apporte une perspective novatrice en mettant l’accent sur les perceptions des entrepreneures elles-mêmes concernant les investisseurs, plutôt que sur les perceptions de ces derniers à leur égard. Elle contribue à alimenter le champ de l’entrepreneuriat féminin et de son financement et propose également plusieurs recommandations à destination des pouvoirs publics pour soutenir l’entrepreneuriat féminin.
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 | 0,005 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,004 | 0,004 |
| Communication savante | 0,005 | 0,004 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
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.
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 ».