Le champ de l'entrepreneuriat : historique, évolution, tendances
Bibliographic record
Abstract
Ce texte présente une synthèse de la recherche sur l’entrepreneur et le propriétaire-dirigeant de PME. Dans un premier temps, les pionniers du domaine sont introduits : Cantillon, Say et Schumpeter. Les apports de plusieurs autres économistes dont Knight, Hayek, Penrose, Kirzner et Casson sont mentionnés. Dans un deuxième temps, les contributions des behavioristes, avec une attention particulière portée sur celle de McClelland, sont présentées. On y traite des caractéristiques les plus couramment attribuées aux entrepreneurs. À compter des années 1980, on observe un éclatement du champ de l’entrepreneurlat qui devient l’objet d’étude de presque toutes les disciplines des sciences humaines. Un certain nombre de typologies parmi les plus couramment étudiées en entrepreneuriat sont répertoriées ; une typologie de propriétaires-dirigeants de PME est aussi suggérée en annexe par l’auteur. En outre sont présentées un certain nombre de tendances théoriques, une définition de l’entrepreneur et, à la fin, quelques réflexions sur l’orientation du domaine.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.003 | 0.005 |
| Science and technology studies | 0.002 | 0.006 |
| Scholarly communication | 0.006 | 0.006 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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 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".