Une approche gestaltiste de la performance de la jeune entreprise technologique innovante
Bibliographic record
Abstract
Considérées comme l’un des principaux leviers du développement économique d’un pays, les jeunes entreprises technologiques innovantes (JETI) sont à l’origine de l’introduction de nouvelles technologies, de l’exploration d’opportunités commerciales et de la création des marchés de l’avenir. Malgré l’intérêt considérable porté à la performance des JETI (Jiao et al., 2013 ; Chen, 2009 ; Song et al., 2008), les recherches concernant ses déterminants ont plutôt adopté une approche contingente que gestaltiste, alors que de nombreux travaux soulignent que la pertinence de cette dernière perspective est de pouvoir intégrer divers éléments dans une démarche holiste (Ketchen, Thomas et Snow, 1993 ; Harms et al., 2009 ; Witmeur et Biga Diambeidou, 2010) de manière à dépasser les conflits de l’approche contingente relatifs à l’analyse d’une multitude de relations bivariées (Henninger-Vacher, 1999 ; 2000). L’objectif de cet article est de contribuer à améliorer la compréhension de la performance de la JETI par la proposition d’une modélisation gestaltiste s’inscrivant dans le cadre de l’approche configurationnelle et permettant d’expliquer les différences de performance. Pour y parvenir, une enquête quantitative a été menée auprès d’un échantillon de 95 jeunes entreprises technologiques innovantes (JETI) du secteur des services informatiques en France. Les conclusions de ce travail peuvent alors constituer une grille de lecture permettant d’apporter un éclairage instructif sur les voies privilégiées de la performance de la JETI et faire l’objet auprès des praticiens, de réflexions et d’analyses complémentaires à leurs pratiques voire de développement d’un outil d’aide à la décision à destination des entrepreneurs.
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 | 0.006 | 0.018 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.005 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.013 | 0.008 |
| Open science | 0.002 | 0.003 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".