Les mécanismes d’orchestration des ressources et la croissance de la jeune TPE accompagnée1
Bibliographic record
Abstract
La littérature sur l’orchestration des ressources offre une perspective processuelle et complexe permettant de mieux comprendre la croissance de la jeune TPE (très petite entreprise) accompagnée. Toutefois, peu de travaux ont porté sur les représentations des acteurs entrepreneuriaux au sujet des actions managériales et entrepreneuriales de la croissance afin de l’expliquer. Pourtant des connaissances plus fines au sujet des mécanismes qui sous-tendent l’orchestration des ressources seraient utiles aux acteurs et accompagnateurs entrepreneuriaux confrontés à ce défi. À cette fin, cet article propose l’emploi du positionnement épistémologique du réalisme critique, dont la finalité sert à développer un design de recherche s’appuyant sur la cartographie de concepts en groupe (CCG) comme cadre méthodologique mixte et ascendant. La CCG sert à produire les représentations intercas dans un examen des représentations conceptuelles des actions d’acteurs entrepreneuriaux dirigeants de TPE en phase de croissance et évoluant dans des dispositifs d’accompagnement distincts ; l’un au Québec (NQC = 25) et l’autre en France (NFR = 15). L’étude intercas présentée dans cet article contribue de deux manières aux notions théoriques en orchestration des ressources. Premièrement, quatre mécanismes d’autorenforcement générateurs de la croissance sont identifiés en lien avec les antécédents de la croissance. Deuxièmement, des conjectures par rétroduction aux notions théoriques servent à articuler l’orchestration des ressources dans la croissance de la jeune TPE accompagnée.
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 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.003 | 0.008 |
| Scholarly communication | 0.010 | 0.010 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.014 | 0.002 |
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".