Rapprocher chercheurs et praticiens pour le développement de connaissances scientifiques : l'exemple d'une recherche en PME
Bibliographic record
Abstract
Résumé Il n’est de discussions méthodologiques sans réflexions épistémologiques. Il en va de même pour la recherche en PME où la complexité de cet objet et son hétérogénéité nécessitent parfois des approches méthodologiques originales si l’on souhaite en améliorer notre compréhension. Dans cet article, nous présentons une expérience réalisée entre un laboratoire de recherche universitaire et un regroupement de dirigeants de PME qui a permis le développement d’une nouvelle méthode de recherche fertile contribuant à approfondir différentes spécificités des PME peu explorées sur de grands échantillons d’entreprises. Trois principes ont pu être mis en évidence pour favoriser la relation entre chercheurs et praticiens : la confiance, la temporalité et la pluridisciplinarité.
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 | 0.006 | 0.000 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".