L'attitude des concessionnaires de la distribution automobile à l'égard d'Internet : les résultats contrastés d'une étude exploratoire sur quatre pays européens
Bibliographic record
Abstract
Résumé La recherche présentée ici a été conduite en vue de comprendre et d’identifier les effets d’Internet sur la distribution de véhicules automobiles dans quatre pays européens (Allemagne, Espagne, France et Royaume-Uni). Si la plupart des travaux sur le e-business recourt à des modèles théoriques ou développe des spéculations conjecturales, la présente étude a utilisé une approche plus empirique : l’interview face-à-face de 34 concessionnaires (dirigeants ou propriétaires) en vue d’élucider leurs croyances et de déceler leurs attitudes sur l’impact d’Internet et des NTIC sur leurs activités en particulier et, plus généralement, sur l’ensemble du secteur. Si les concessionnaires espagnols sont apparus très favorables et créatifs quant aux usages possibles d’Internet et des NTIC, notamment dans la gestion de la relation-clients, les Britanniques et les Français semblent plus circonspects quant à l’achat de voitures sur Internet, quant à la rentabilité de tels investissements.... Cependant, tous pensent que, même si le client naviguera sur Internet pour une partie de son processus d’achat, il passera en concession pour les phases finales. En cela, beaucoup semblent avoir déjà incorporé la dimension « click-and-mortar » du comportement de l’acheteur de voitures. Si dans la perspective front-office , de fortes variations sont apparues, en matière d’usage d’Internet à des fins de back-office (dans la concession comme pour les relations avec les autres acteurs du canal), la plupart voit les NTIC comme une source de progrès. Cependant, beaucoup s’inquiètent du fait que la hauteur des investissements requis et la volatilité des informations risquent de renforcer le pouvoir des constructeurs et des grosses concessions.
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 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 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) | 0.005 | 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".