Et si assurer sa relève dépendait aussi de la manière dont les prédécesseurs réussissent à se désengager ?
Bibliographic record
Abstract
Résumé Au moins 70 % de toutes les entreprises sont familiales. Présentes dans tous les secteurs d’activité, au Canada seulement elles généreraient un chiffre d’affaires supérieur à 1,3 billion de dollars annuellement et procureraient un emploi à plus de 50 % de la main-d’œuvre. Or, parmi celles-ci, bon nombre vivront d’ici peu leur premier transfert générationnel auquel, suivant la tendance, seules 30 % devraient survivre. Bien que la littérature consultée donne une vue d’ensemble du processus de succession, il faut en admettre les limites, notamment en ce qui concerne la dernière phase, celle du désengagement. En théorie, cette phase se distingue des précédentes par le retrait officiel du prédécesseur de la gouvernance de l’entreprise. Jusqu’alors seul maître à bord, celui-ci passerait d’un rôle de chef à d’autres rôles plus discrets. Cet article présente les résultats d’une étude de cas menée auprès de cinq prédécesseurs qui ont mis en place leur relève, depuis au moins deux ans, et qui ont su s’approprier de nouveaux rôles.
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 | 0.003 | 0.009 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.007 | 0.006 |
| Scholarly communication | 0.005 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.023 | 0.003 |
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".