Notice bibliographique
Résumé
Background: Global digital platforms lower entry barriers for small and medium-sized enterprises (SMEs) by providing access to international customers, payments, and logistics. Yet they also concentrate power in platform governance and algorithmic control, shaping visibility, conversion, and even continued market access.Methods: This review synthesizes research on platform ecosystems, institutional trust, online reputation systems, and cross-border e-commerce governance. We develop an integrative model that links governance design (rules, enforcement, data rights) to trust formation and reputation accumulation, and from there to SME growth trajectories.Results: SMEs grow when platform rules are predictable, enforcement is transparent, and reputation signals are credible. Growth can stall under opaque ranking, abrupt policy shifts, weak dispute resolution, and manipulation of reviews or feedback. We identify governance levers—verification, escrow and dispute resolution, transparency and explainability, data access and portability, and multi-homing compatibility—that shape trust and reputation under cross-border institutional distance. Recent evidence highlights the role of platform governance in seller trust in cross-border contexts, and the vulnerability created by algorithmic ranking opacity.Conclusions: Sustainable SME growth on global platforms is an institutional problem as much as a marketing problem. Resilience depends on rule literacy, disciplined reputation strategy, and governance-aware diversification (multi-homing and off-platform customer development) to reduce exposure to de-ranking and sudden rule changes.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 tête enseignante, 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 ».