Facteurs de succès des campagnes de sociofinancement dans la région du Bas-Saint-Laurent
Notice bibliographique
Résumé
« Le sociofinancement est perçu comme une solution de rechange à la finance classique et un levier de collecte de fonds pour les organismes et les entreprises. Dans la province du Québec, les plateformes organisent des campagnes de sociofinancement de plus en plus populaires. L'objet de ce mémoire est d'étudier les facteurs de succès des campagnes organisées par La Ruche dans la région du Bas-Saint-Laurent. La revue de littérature a révélé une congruence entre les sources de financement, le type d'investissement et le cycle de vie de l'entreprise. Elle a aussi montré que le sociofinancement figure depuis quelques années dans la hiérarchie des sources de financement, surtout aux États-Unis. La recension des écrits met en exergue des facteurs indissociables au succès des campagnes telles que la préparation, le niveau d'implication et la notoriété du porteur du projet. Dans la tentative de réponse à la question relative aux facteurs de succès des campagnes, des hypothèses ayant trait au marketing, au profil des promoteurs et à des facteurs externes aux organisations promotrices ont été formulées à partir de la littérature existante. La vérification de ces hypothèses a nécessité des analyses statistiques sur 121 campagnes organisées entre 2017 et 2022. Des tests diagnostiques relatifs à la validité des données et des régressions multiples ont permis de confirmer que le montant cible, le profil public des promoteurs, le but non lucratif des campagnes, le nombre de contreparties, la phase de maturité, le nombre de contributeurs, le ratio de financement, l'impact sanitaire escompté, les catégories primaires sportives, culturelles et scientifiques ont un impact significatif sur la performance des campagnes. Ces résultats offrent un aperçu sur les facteurs de succès des campagnes de crowdfunding dans la région du Bas-Saint-Laurent au sein de laquelle la pratique du sociofinancement est relativement récente. -- Mot(s) clé(s) en français : sociofinancement, crowdfunding, facteurs de succès, campagnes, théorie du signal. »-- « Crowdfunding is seen as an alternative to traditional finance and a fundraising lever for organizations and businesses. In the province of Quebec, platforms organize increasingly popular crowdfunding campaigns. The purpose of this dissertation is to study the success factors of the campaigns organized by La Ruche in the Bas-Saint-Laurent region. The literature review revealed a congruence between the sources of financing, the type of investment and the life cycle of the company. It also showed that crowdfunding has been included in the hierarchy of financing sources for several years, especially in the United States. The review of the literature highlights factors inseparable from the success of campaigns such as preparation, the level of involvement and the notoriety of the project leader. In the attempt to answer the question relating to the success factors of campaigns, hypotheses relating to marketing, the profile of promoters and factors external to the promoting organizations were formulated regarding the existing literature. Verifying these hypotheses required statistical analyzes on 121 campaigns organized between 2017 and 2022. Diagnostic tests relating to the validity of the data and multiple regressions made it possible to confirm that the target amount, the public profile of the promoters, the goal not lucrativeness of the campaigns, the number of counterparties, the maturity phase, the number of contributors, the financing ratio, the expected health impact, the primary sporting, cultural and scientific categories have a significant impact on the performance of the campaigns. These results offer an overview of the success factors of crowdfunding campaigns in the Bas-Saint-Laurent region, where the practice of crowdfunding is relatively recent. -- Mot(s) clé(s) en anglais : crowdfunding, crowdfunding, success factors, campaigns, signal theory. »--
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 | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».