Les P.M.E. québécoises sur les marchés américain et français
Bibliographic record
Abstract
Résumé La littérature traitant des facteurs qui influent sur le développement de nouveaux marchés à l’étranger est abondante. Or, bien que plusieurs auteurs évoquent le facteur culturel (la culture nationale), peu d’études ont centré leur questionnement sur le rôle de ce facteur dans l’internationalisation des petites et moyennes entreprises. On constate que de nombreuses P.M.E. font affaire dans des pays proches culturellement, ce qui, en théorie, devrait y faciliter leur implantation et leur fonctionnement, et leur éviter les malentendus culturels si fréquents entre pays éloignés culturellement. Mais choisir un pays proche culturellement facilite-t-il vraiment le développement international des P.M.E.? Nous avons choisi d’étudier des entreprises québécoises du secteur de l’édition de logiciels faisant affaire aux États-Unis et en France pour répondre à cette question. Nous verrons que la proximité culturelle est souvent un piège qui prépare mal les dirigeants de P.M.E. à faire face aux obstacles culturels liés à l’implantation à l’étranger.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.006 | 0.002 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.012 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".