Préparation des PME familiales belges à la transmission et impact sur la performance
Bibliographic record
Abstract
Une large littérature conceptuelle met en évidence les difficultés éprouvées lors de la transmission des entreprises familiales à la génération suivante. Ces développements théoriques ont été validés par de nombreuses études empiriques, même s’il subsiste des débats contradictoires. Les objectifs de cette recherche sont de déterminer si la préparation de la transmission a une influence sur la performance des PME familiales et si ces PME se heurtent à moins de problèmes. Une enquête, réalisée auprès de 2 000 PME, a permis de relever 159 transmissions et de collecter les informations concernant la transmission. Cet article utilise la méthodologie du pairage statistique de manière à comparer les performances de PME familiales préparées à la transmission à celles d’homologues non préparées. Les résultats obtenus ne permettent pas de montrer que les PME familiales préparées sont significativement plus performantes. Les résultats montrent néanmoins une évolution des performances des PME non familiales après la transmission (observée sur trois ans) encore plus négative en cas de non-préparation.
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 | 0.004 | 0.014 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".