Approche cognitive de la gestion stratégique dans une entreprise monodécideur : le cas de l'entrepreneur agricole
Bibliographic record
Abstract
Dans le domaine de la gestion stratégique des PME, une des questions clés est de savoir comment s’établit le lien entre les idées contenues dans la vision stratégique du dirigeant et les décisions réelles qui sont prises. On aborde ici cette question par une approche cognitive ; il s'agit de comprendre pourquoi et comment un individu prend ses décisions. Et on considère que ce n’est qu’en revenant à la manière même dont celui-ci interprète sa situation qu’on peut y parvenir. On choisit le cas de l’entreprise agricole pour prospecter cette voie, car il s’agit d’une très petite entreprise, généralement pilotée par un seul décideur; vision stratégique et décisions concrètes relèvent donc de la même personne. On propose tout d’abord le schéma suivant des décisions : l’agriculteur a des représentations stables, qui sont, d’une part, une vision stratégique de son entreprise lui fournissant les éléments de sa politique générale et, d’autre part, des programmes d’action lui permettant de prendre des décisions opérationnelles à caractère répétitif, donc, d’assurer le fonctionnement courant de son entreprise; le couplage entre ces deux plans est assuré par les décisions de gestion stratégique qui sont, pour nous, les décisions qui gèrent le changement dans l'entreprise. On construit alors une grille d'analyse de ces décisions. Celles-ci sont vues comme suivant à la fois une logique de résolution de problème et une logique d'adéquation, l’individu recherchant une solution satisfaisante, non connue a priori, en s'appuyant sur les représentations qui guident son action ; ces deux logiques obéissent à des principes de simplification, de continuité et de connexion étroite aux actions à mener au même moment. On applique cette grille au cas d'un agriculteur d’une région de grande culture française et on envisage pour finir quelques perspectives en matière d’aide à la décision et de recherche.
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 | 0.003 | 0.006 |
| Meta-epidemiology (narrow) | 0.001 | 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 | 0.004 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 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".