Diversité des stratégies de croissance de l’entreprise artisanale et profil du dirigeant
Bibliographic record
Abstract
La croissance est un thème central de la recherche en entrepreneuriat et en stratégie d’entreprise. Pourtant si un grand nombre d’études existent sur la croissance des PME, des « high growth firms » ou des « startups », très peu de travaux concernent les très petites entreprises déjà existantes, et,a fortiori, les entreprises artisanales (EA). Or on peut légitimement penser que les moyens plus restreints dont disposent ces entreprises de plus petite taille et leur plus grande focalisation sur le métier colorent fortement leurs choix de croissance et nécessitent des recherches spécifiques. Dans ce contexte, l’objectif de cet article est de lever le voile sur les stratégies réellement mises en oeuvre par les EA pour croître et sur les facteurs expliquant l’adoption de ces stratégies. En se fondant sur onze études de cas, les résultats obtenus montrent que les stratégies de croissance des EA sont beaucoup plus variées que ce que la littérature le laissait initialement entendre. Ils mettent également en avant l’influence forte du profil du dirigeant dans les choix de modalités de croissance.
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 | 0.006 | 0.010 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.010 | 0.005 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.011 | 0.003 |
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".