Innovation de produits et performance : une étude exploratoire de la situation des PME canadiennes
Bibliographic record
Abstract
Dans le nouvel environnement global dominé par l'accélération des changements technologiques, les exigences accrues des clients, la réduction de la durée de vie des produits et une offre de biens et services plus étendue, l'innovation est vue comme un élément clé du maintien de la compétitivité des entreprises en général et des PME en particulier. L'étude de ce phénomène est donc tout à fait pertinente pour bien comprendre dans quel contexte une activité aussi risquée, puisqu'elle est synonyme de nouveauté et d'incertitude, peut se développer efficacement. Toutefois, bien comprendre le processus d'innovation est important, mais mesurer ses effets sur la performance des entreprises est aussi indispensable à une vision globale de cette stratégie de développement. C'est donc à ces deux phénomènes que nous allons nous attarder dans cette étude empirique sur des PME manufacturières. Nos résultats mettront en évidence que l'utilisation de certaines pratiques d'affaires favorise l'innovation, alors que celle-ci contribue aussi à la rentabilité, à la croissance et à l'exportation des PME. Ces derniers résultats montrent cependant que le contexte dans lequel on étudie la relation entre l'innovation et la performance influence significativement les conclusions et les enseignements qu'on peut en tirer pour une meilleure compréhension du phénomène de l'innovation. ! "
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 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.006 | 0.014 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.012 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".