Gestion des risques de la transformation numérique des PME : une analyse de genre1
Notice bibliographique
Résumé
En matière de gestion des risques à l’ère numérique, les différences et les similitudes entre les hommes et les femmes dans leur façon d’agir et d’interagir au sein des écosystèmes d’affaires demeurent, à la fois, sous-explorées et souvent mal comprises. Une situation qui peut conduire à la persistance de certains mythes. Les connaissances existantes ne permettent pas de comprendre comment ces acteurs abordent et gèrent les opportunités et les menaces uniques présentées par leurs contextes d’affaires respectifs, en particulier dans le contexte des petites et moyennes entreprises (PME) qui s’engagent dans une transformation numérique. Cette étude exploratoire mobilise une analyse de Procuste aléatoire pour évaluer et comparer les cadres conceptuels utilisés par les femmes et les hommes en affaires. Guidée par un cadre interprétatif socioécologique multiniveaux, cette étude apporte une compréhension affinée de la gestion et de la prise de risque selon le genre à l’ère numérique. Les contributions théoriques comprennent l’identification des points de tension liés au genre aux niveaux individuel, interpersonnel, organisationnel et écosystémique. En précisant où convergent et divergent leurs décisions et leurs actions respectives, une contribution pratique est de guider les pratiques managériales et d’accompagnement de manière parfois partagée, parfois différenciée.
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 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,007 | 0,005 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 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 ».