Développement et validation d’une échelle de mesure de l’accompagnement des PME à l’exportation
Bibliographic record
Abstract
De nombreuses études empiriques s’intéressent à l’efficacité de l’accompagnement à l’exportation. Cependant, l’absence d’un instrument de mesure validé de l’accompagnement à l’exportation rend difficile la comparaison de leurs résultats. Les auteurs soulignent par conséquent la nécessité d’élaborer une échelle de mesure qui puisse être réemployée dans les futures études. Cet article s’inscrit dans cette perspective et vise à répondre à la problématique suivante : comment mesurer l’accompagnement à l’exportation dont a bénéficié l’entreprise ? Pour cela, nous nous appuyons sur le paradigme de Churchill (1979) afin de proposer une échelle de mesure qui tient compte à la fois de la nature et de l’intensité de l’accompagnement à l’exportation. Dans ce cadre, une étude empirique a été menée auprès de 288 PME françaises accompagnées. Les résultats confirment la multidimensionnalité de l’accompagnement à l’exportation au travers de quatre dimensions : la formation, la prospection, la mise en réseaux et le soutien financier. Chacune d’entre elles est appréciée par un ensemble d’items reflétant les services d’accompagnement à l’exportation accessibles aux entreprises. L’emploi de cet outil de mesure offre aux chercheurs comme aux pouvoirs publics la possibilité de mieux apprécier l’influence spécifique des différents types d’accompagnement à l’exportation.
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 | 0.026 | 0.096 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.006 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.007 | 0.009 |
| Open science | 0.002 | 0.004 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.002 |
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".