Initiatives d’adoption des affaires électroniques et performance des petites entreprises
Bibliographic record
Abstract
Les travaux portant sur les antécédents et l’impact d’adoption d’un e-projet par les petites entreprises (PE) sont relativement rares. De même, les expériences réussies dans ce domaine ne sont pas très nombreuses. Pourtant, les affaires électroniques sur Internet peuvent offrir aux PE beaucoup d’avantages et représenter de nouvelles opportunités. Ainsi, cette recherche tente d’éclaircir la question suivante : comment adopter des initiatives performantes des affaires électroniques par les petites entreprises ? Afin de répondre à cette question, un modèle conceptuel a été élaboré en se basant sur les travaux passés et un protocole empirique composé d’études de cas, d’entrevues avec des experts et une enquête par questionnaire a été mobilisé selon une méthodologie pluraliste.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.003 | 0.016 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
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; both teacher heads agree on what is shown here.
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".