Bibliographic record
Abstract
L’importance relative des différents déterminants traditionnels de l’internationalisation demeure imparfaitement connue. Si pendant longtemps la taille de la firme est apparue comme le déterminant majeur, des analyses empiriques ont révélé que d’autres facteurs tels le milieu internationalisant et le dirigeant influencent significativement le développement international. Une approche centrée sur les principaux vecteurs de la compétitivité des firmes et s’appuyant directement sur les qualités intrinsèques des PME permet d’offrir un angle d’analyse différent. L’objectif de cette étude est de démontrer que le processus d’internationalisation suit un développement non linéaire déterministe, conditionné par les caractéristiques idiosyncratiques de la PME. Nos recherches s’inscrivent dans la cadre de l’internationalisation des petites et moyennes entreprises. Nous chercherons à préciser les déterminants de cette internationalisation des PME françaises en observant leurs performances à l’export. Les résultats montrent un impact positif entre une série de facteurs microéconomiques et sectoriels, et les exportations de 253 entreprises. Plus précisément, ils révèlent qu’une combinaison de facteurs comprenant l’organisation, l’innovation, les TIC, le dirigeant et la maîtrise de langues étrangères fait fortement varier les exportations dans tous les secteurs.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.008 | 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".