Bibliographic record
Abstract
Dans une entreprise sociale, la notion de « performance » doit s’entendre dans un sens plus large que la seule rentabilité financière. Parce que ce type d’entreprise poursuit une mission sociale dont la réalisation a des impacts collectifs, il convient d’aller au-delà de ce que permettent les seuls indicateurs livrés par le marché. Cela exige de revisiter non seulement la notion même de production, mais aussi la manière dont on mesure la valeur de ce qui est produit par l’entreprise. C’est à cela que les auteurs s’attellent en élaborant une définition de la performance entendue comme une « production élargie », à laquelle ils donnent toutefois des contours précis.Quand on élargit la notion de production pour prendre en considération ses impacts se pose inévitablement la question de savoir si cette approche démontre également son opérationnalité. En particulier, il convient de se demander si les impacts que l’on souhaite intégrer dans une vision élargie de la production sont mesurables. Par nature, ces impacts ne sont pas pris en compte par le marché et leur mesure renvoie à la question classique de l’évaluation des biens non marchands.Les auteurs recensent dans un cadre structuré les différentes techniques de mesure monétaire de la valeur des biens non marchands et indiquent si elles sont de nature à déboucher, pour l’évaluation de la performance d’une entreprise sociale, sur des valeurs pertinentes. Ils illustrent leur propos en appliquant cette grille de lecture à la méthodologie du retour social sur investissement (social return on investment – SROI). En raison des limites théoriques que présente l’évaluation monétaire, les auteurs concluent à la nécessité de poursuivre les travaux d’évaluation de la performance basés sur des analyses multicritères.
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 | 0.012 | 0.017 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.004 |
| Science and technology studies | 0.006 | 0.027 |
| Scholarly communication | 0.019 | 0.014 |
| Open science | 0.002 | 0.008 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 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".