Bibliographic record
Abstract
Contrairement aux sombres prophéties, l’importance des petites entreprises dans le processus d’innovation et de création d’emplois dans l’économie ne diminue pas. Les réseaux personnels interfirmes si typiques dans ces entreprises sont considérés maintenant comme la façon normale d’organiser les activités économiques dans un environnement turbulent. L’intérêt croissant pour ce réseautage, en particulier lorsque celui-ci est localisé, est partagé par la communauté d’affaires et les institutions sociales. De plus en plus de politiques sont orientées pour soutenir des systèmes de firmes plutôt que les entreprises individuelles. Toutefois, ces stratégies pour favoriser le développement proviennent trop souvent d’une connaissance issue des pratiques de management des grandes entreprises, c’est-à-dire du managérialisme. Le but de cet article, conceptuel et empirique, est d’examiner d’un œil critique comment une telle grille d’analyse, basée sur ces concepts du management professionnel, pourtant avec les meilleures intentions du monde, peut mal comprendre les districts industriels qui, comme système collectif, présentent des spécificités entrepreneuriales. Ainsi, la partie théorique de cet article se réfère à la théorie entrepreneuriale pour appréhender toute la complexité de l’organisation en réseau. Les données empiriques proviennent d’un district industriel suédois. Ce système socioéconomique subit constamment la pression de différentes institutions pour inciter la communauté locale d’affaires à adopter des techniques managériales afin de mieux se développer. Cette ambition inclut même la création d’un centre régional en développement industriel dont un des buts est de diffuser ces méthodes managériales. Ce cas suédois sera utilisé pour discuter de stratégies et de tactiques pour les communautés d’affaires locales afin de maintenir les caractéristiques entrepreneuriales du district industriel, tout en offrant en conclusion quelques idées pour les praticiens.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.003 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.018 | 0.003 |
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".