Soutenir les femmes entrepreneures en contexte africain : vers une nouvelle approche dynamique et collective
Bibliographic record
Abstract
La situation des femmes entrepreneures a beaucoup évolué au cours des années et l’importance de soutenir l’activité des femmes entrepreneures n’est plus à démontrer. Plusieurs auteurs soulignent la nécessité d’adopter une approche différenciée compte tenu des obstacles auxquels elles font face, lesquels nécessitent de considérer leur contexte spécifique. À travers une étude exploratoire menée en Afrique du Sud et au Rwanda, cet article porte sur l’adéquation entre les services de soutien offerts aux femmes entrepreneures et leur réalité spécifique. Sur la base d’un modèle combinant le contexte, les stratégies de soutien et la performance des entreprises créées par les femmes, la recherche permet d’illustrer la mésadaptation des services de soutien caractérisés par une approche générique et androcentrique, une logique stéréotypée de la performance et un manque de considération pour l’influence de la situation familiale sur le cheminement entrepreneurial. Dans le but d’alimenter la réflexion et orienter
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 | 0.003 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.006 | 0.005 |
| Scholarly communication | 0.006 | 0.004 |
| Open science | 0.001 | 0.003 |
| 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".