La gestion de la connaissance dans l'agro-industrie : l'industrie vinicole en Argentine, au Canada et au Chili
Notice bibliographique
Résumé
Au cours des vingt dernières années, l'industrie vitivinicole mondiale a connu certains changements en ce qui concerne les divers agents économiques qui la composent. Ainsi le marché international du vin a été témoin de l'émergence d'entreprises productrices localisées dans les vallées vitivinicoles de l'Afrique du Sud, de l'Argentine, de l'Australie, du Chili et des États-Unis. Cette situation n'est pas étonnante, étant donné que ces pays avaient déjà une certaine expérience dans la production de vin pour le marché local. Cependant, en observant la présence de vins fins d'exportation en provenance de ces pays, dans divers concours œnologiques et dans des revues spécialisées, une question se pose quant aux facteurs qui ont permis à ces pays de se positionner sur des marchés internationaux exigeants. Dans ce contexte, la présente recherche essaie de comprendre les facteurs (économiques, institutionnels et technologiques) qui ont permis une amélioration dans la qualité des moûts et par conséquent, leur acceptation sur les marchés internationaux exigeants en qualité. De manière plus précise, nous nous demandons : De quelle manière, des facteurs comme les sources, les types et les canaux de transfert de la connaissance technique utilisée dans les secteurs du vin et œnologiques, ont-ils influencé la croissance de l'industrie du vin de l'Argentine, du Canada et du Chili? La réponse à cette question a été structurée en considérant des éléments théoriques de la perspective évolutionniste, perspective qui considère le changement et la dynamique comme des éléments centraux de son analyse et qui intègre des variables économiques comme des phénomènes institutionnels. Ainsi, les concepts théoriques associés aux formes d'apprentissage, à la connaissance et aux canaux de transfert technologique ont été fondamentaux lors de la structuration d'un cadre conceptuel qui permet de déterminer l'influence de l'origine de la connaissance et d'autres facteurs administratifs dans la qualité vitivinicole ainsi que les formes de transfert de connaissances les plus utilisées par l'industrie dans ces pays. Le travail empirique s'est concentré sur les vallées de Mendoza (Argentine), Colchagua, Curicó et Maule (Chili) et Okanagan (Canada). À l'aide de données d'enquête sur le terrain (sources primaires) et de données secondaires (Organisation Internationale du Vin, Scopus), nous avons constitué une base de données. Ces informations ont été analysées à travers différentes tests statistiques paramétriques et non paramétriques. Les résultats obtenus permettent de conclure que l'origine de la connaissance n'est pas un facteur décisif, lorsque vient le moment d'augmenter ou de diminuer la qualité des vins. Il y aurait ainsi d'autres mécanismes qui permettraient d'obtenir de meilleures qualités de vins, par exemple le développement d'un processus d'imitation. Toutefois, le développement d'un processus d'imitation implique qu'il soit aussi nécessaire de développer en même temps la recherche et le développement (R-D). Cette activité entraîne, non seulement de nouvelles découvertes ou des améliorations de croissance, mais permet aussi de développer des capacités techniques dans la ressource humaine, et permet de développer les capacités pour adopter ou imiter une nouvelle technologie. Aussi, à la différence de plusieurs autres industries, dans le secteur du vin la taille de l'entreprise est liée aux volumes produits et pas nécessairement avec la qualité produite. Finalement, les résultats ont montré que les entreprises situées dans des pays qui présentent un écosystème d'institutions de science et de technologie bien formé et consolidé, utilisent des canaux plus formels et directs de transfert technologique. \n______________________________________________________________________________ \nMOTS-CLÉS DE L’AUTEUR : perspective évolutionniste, formes d'apprentissage, connaissance technologique, canaux de transfert technologique et processus d'imitation.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,005 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».