Vers une taxonomie des profils d’entrée dans un processus de défaillance
Bibliographic record
Abstract
Une série de recherches issues de la littérature sur la prévention des défaillances d’entreprises constatent que le processus de défaillance diffère d’une entreprise à l’autre et que, plus particulièrement, toutes les entreprises n’entrent pas pour les mêmes raisons dans un processus de défaillance (Argenti, 1976 ; Laitinen, 1991). Cependant, malgré ce constat, à ce jour, peu de recherches proposent une taxonomie (ou une typologie) 1 mettant en évidence différents profils d’entrée dans un processus de défaillance. Par ailleurs, aucune d’entre elles ne se focalise réellement sur les micro- et petites entreprises en difficulté alors que la littérature démontre que la défaillance de ce type d’entreprises est fréquente et spécifique (Julien, 2005). Partant de ces lacunes dans la littérature et sur base d’une analyse inductive et qualitative, cet article propose une taxonomie originale. Focalisée sur les micro- et petites entreprises en difficulté, cette dernière met en évidence sept profils spécifiques d’entrée dans un processus de défaillance.
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 | 0.001 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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; a candidate call from one teacher head, 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".