Les facteurs de succès de la mise en place d’une communauté virtuelle dans les PME de services : le cas des petits et moyens cabinets d’experts-comptables
Bibliographic record
Abstract
L’avènement des portails permettant la création de places d’affaires et de communautés virtuelles a profondément influencé le développement de l’Internet. Dans ce contexte, les PME ont la possibilité de faire valoir le poids de leur nombre en se regroupant sous forme d’association virtuelle de façon à profiter de ressources plus importantes et d’économies d’échelles substantielles. Dans le domaine de l’expertise comptable, les petits et moyens cabinets d’experts-comptables (PMCCA) n’échappent pas à cette règle. Face à la mondialisation, les stratégies de gestion de la connaissance mises en œuvre par les grands cabinets d’experts-comptables et l’explosion de l’offre des services comptables informatisés sur le Web, les PMCCA n’ont d’autres choix que de se regrouper afin de demeurer concurrentiels. Cet article présente la démarche de recherche qui a conduit à la création d’une communauté virtuelle pour les PMCCA. Celle-ci a débuté par l’élaboration d’un modèle théorique. Ce modèle s’est ensuite appuyé sur les résultats d’un processus de validation fait d’une enquête par questionnaire. Une fois validé, le modèle de départ a servi au développement d’un prototype opérationnel qui devait, par la suite servir à l’Ordre des comptables agréés du Québec à la conception d’une véritable communauté virtuelle des PMCCA. Celle-ci a d’abord porté le nom de Trousse CA et ne devait réunir que des comptables agréés du Québec. Le projet a depuis débordé les frontières du Québec et il est en voie d’être cédé à l’Institut canadien des comptables agréés (ICCA) qui pourrait en faire bénéficier l’ensemble des praticiens du Canada. Les résultats de cette recherche-action tendent à démontrer que, si elle est prise en charge par une association professionnelle d’un minimum d’envergure, une communauté virtuelle peut être économiquement viable. Elle devra toutefois offrir à ses membres des produits et services à valeur ajoutée. Parmi la gamme de produits potentiels, il est intéressant de constater que les PMCCA accordent beaucoup plus de valeur aux produits d’information qu’aux produits qui facilitent les transactions en ligne.
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 | 0.007 | 0.030 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.004 | 0.004 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.014 | 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".