Entrepreneuriat coopétitif : comment intégrer la concurrence dans un contexte coopératif ?
Bibliographic record
Abstract
La quasi-totalité des travaux sur la coopétition porte sur l’émergence de la coopération dans un milieu concurrentiel. La compétition peut-elle émerger d’un substrat relationnel coopératif ? Une partie de la littérature en entrepreneuriat s’intéresse à l’entrepreneuriat indigène. C’est dans ce contexte particulier que nous abordons les relations coopétitives, plus précisément dans le contexte du peuple same. Les Sames sont le peuple indigène du Nord de la Scandinavie, vivant en Norvège, en Suède, en Finlande et dans la péninsule russe de Kola. L’élevage de rennes, activité exercée dans un cadre familial, reste un mode de vie à forte valeur sociale. Une étude ethnographique réalisée auprès des entrepreneurs sames révèle que la raison de l’élevage est le maintien de la tradition, et pas nécessairement la maximisation des profits. L’élevage de rennes n’étant plus que d’un intérêt économique limité, nombre d’entrepreneurs sames ont développé des activités complémentaires pour compenser la baisse de revenu de l’élevage, tout en préservant la valeur sociale d’une forme d’entrepreneuriat culturellement valorisé. Pour gérer ces relations coopétitives, les entrepreneurs cloisonnent leurs relations coopératives, aux enjeux culturels et territoriaux, de leurs relations concurrentielles, dont les enjeux sont économiques. Des implications en matière de coopétition et d’entrepreneuriat en sont tirées.
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 | 0.009 | 0.012 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.011 | 0.027 |
| Scholarly communication | 0.012 | 0.012 |
| Open science | 0.002 | 0.011 |
| Research integrity | 0.003 | 0.003 |
| Insufficient payload (model declined to judge) | 0.006 | 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".