Les apports de la prospective aux approches cognitives de la stratégie en PME
Bibliographic record
Abstract
La centralisation de la gestion, une stratégie intuitive ou peu formalisée, ainsi que l’absence ou quasi-absence d’outils pour aborder la complexité des situations sont autant d’éléments qui légitiment les approches cognitives de la stratégie en PME. En la matière, les PME ont d’ores et déjà fait l’objet d’investigations significa tives, essentiellement du point de vue du courant de la cartographie cognitive. Pour autant, si le courant cognitif a permis des avancées significatives dans la compréhension des processus de prise de décision en PME, les limites qui sont le plus souvent relevées à son sujet touchent, pour l’essentiel, à son utilisation, dès lors qu’il implique plus d’un individu (en général, le dirigeant de PME). Par conséquent, nous pensons que les travaux en prospective, qui se sont très peu intéressés au champ des PME jusqu’à présent, apportent un éclairage significatif à ces limites. C’est pourquoi la problématique de notre contribution consiste à nous interroger sur les apports d’un outil de la prospective, l’analyse structurelle stratégique, aux approches cognitives de la stratégie en PME. Nous commencerons par confron ter les thématiques de la prospective et des PME, ce qui nous permettra de préciser le positionnement épistémologique de notre travail. Puis nous présenterons les grandes lignes de l’analyse structurelle stratégique, ainsi que la PME au sein de laquelle cette démarche a pu être mise en œuvre. Les principaux résultats de cette approche seront ensuite exposés. Nous conclurons par une discussion sur les apports de la prospective aux approches cognitives de la stratégie en PME, ainsi que sur les limites de notre travail.
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 | 0.009 | 0.036 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.005 |
| Scholarly communication | 0.012 | 0.011 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.014 | 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".