Efficacité des mécanismes de gouvernance des PME
Bibliographic record
Abstract
Cet article teste l’hypothèse de la gouvernance comme facteur de performance des PME via une analyse multidimensionnelle. Des données d’enquête auprès de 300 PME camerounaises permettent de construire un indice de qualité de gouvernance (IQG) avec 39 variables des mécanismes de gouvernance spécifiques aux PME. Au moyen des modèles économétriques, l’IQG est confronté à trois indicateurs de la performance : le chiffre d’affaires, la création d’emplois et la pérennité. Les résultats révèlent un IQG moyen égal à 0,473 avec un écart-type de 0,231, sur une échelle allant de 0 à 1. Par ailleurs, il existe une relation positive et significative entre l’IQG et les indicateurs de performance retenus, ce qui montre que les pratiques de gouvernance déployées au sein des PME améliorent leur performance. En effet, une amélioration unitaire dans l’IQG induit une augmentation plus proportionnelle du chiffre d’affaires de la PME. De même, la probabilité moyenne prédite pour qu’une PME crée des emplois est majorée de 24,76 %, suite à une amélioration unitaire de l’IQG. Enfin, la variation unitaire de l’IQG rallonge de 3 ans l’âge moyen des PME de l’échantillon qui est de 8,5 ans.
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 | 0.005 | 0.014 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
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".