Usages du concept de cognition dans les travaux de recherche sur l’entrepreneuriat1
Bibliographic record
Abstract
Plusieurs chercheurs reconnaissent aujourd’hui l’importance de la dimension cognitive dans le renouvellement des connaissances sur l’entrepreneuriat. Cependant, l’emploi que les chercheurs font du vocabulaire cognitif, en particulier du concept même de cognition, est encore peu documenté. Pourtant, une meilleure connaissance des usages que les chercheurs font de ce concept serait susceptible de mieux faire ressortir les intérêts des chercheurs concernés, de stimuler chez eux la réflexion et la discussion d’ordre théorique associée à l’emploi du concept de cognition en entrepreneuriat ainsi qu’à mieux positionner leurs propres travaux de recherche. La présente étude vise donc à répondre à la question suivante : Quels usages les chercheurs font-ils du concept de cognition dans leurs travaux sur l’entrepreneuriat ? De façon plus précise, l’objectif de cette recherche est de répertorier et caractériser l’ensemble des expressions à l’intérieur desquelles figure le concept de cognition dans la littérature savante sur l’entrepreneuriat. Pour parvenir à faire ainsi le point sur l’utilisation des expressions cognitives par les chercheurs en entrepreneuriat, nous avons consulté la base de données ABI/INFORM Global. En nous appuyant sur les informations obtenues, nous avons pu décrire de manière à la fois globale et précise ce à quoi s’intéressent les chercheurs en entrepreneuriat qui font appel au concept de cognition. Les informations analysées indiquent d’abord que les concepts d’entrepreneuriat et de cognition se trouvent simultanément dans 134 titres ou résumés d’articles publiés depuis 1993 et que leur présence conjointe va en s’accentuant. Sur le plan théorique, ces informations ont permis d’élaborer un cadre de référence spécifique aux chercheurs en entrepreneuriat qui font appel au concept de cognition. Très concrètement, les résultats montrent que les expressions contenant le mot cognition ou un de ses dérivés renvoient souvent à une grande orientation sur le plan théorique ou épistémologique (p. ex., cognitive perspective), parfois à des concepts généraux (p. ex., cognitive factors, cognitive dimension) et, très fréquemment, à des objets particuliers laissant voir ce que la cognition caractérise (p. ex., des systèmes référentiels, des outils, des aptitudes) ou encore comment elle est elle-même caractérisée (p. ex., par son niveau individuel ou collectif, par sa complexité, par sa cohérence). Les limites de cette classification en catégories et sous-catégories sont discutées et différentes voies de recherche sont envisagées.
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 | 0.019 | 0.030 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.005 | 0.006 |
| Science and technology studies | 0.004 | 0.016 |
| Scholarly communication | 0.014 | 0.015 |
| Open science | 0.001 | 0.006 |
| Research integrity | 0.003 | 0.005 |
| Insufficient payload (model declined to judge) | 0.007 | 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".