Approche sociologique et typologique des logiques de croissance de l’entrepreneur
Bibliographic record
Abstract
Cette recherche a pour objectif de développer de nouvelles pistes pour faire évoluer l’approche typologique en entrepreneuriat. Ces typologies sont effectivement remises en cause pour leur aspect simplificateur, voire stylisateur, de la complexité entrepreneuriale. Dans cette perspective, nous adoptons le raisonnement typologique tel qu’il est mobilisé en sociologie et l’appliquons à une thématique classique des typologies d’entrepreneur : les logiques d’action de croissance. À partir d’une étude empirique qualitative conduite en deux étapes, des entretiens individuels menés auprès de 29 entrepreneurs, puis deux entretiens collectifs menés auprès de huit témoins, nous élaborons d’abord une typologie aux catégories différenciées, avant d’interroger ensuite l’existence de liens et de transitions potentielles entre les types identifiés. Une analyse des variables qui influencent la typologie et ses variations complète ce travail. Cette démarche originale, qui vise à prendre du recul sur les types élaborés et insiste plutôt sur les nuances et les variations de la typologie, permet d’obtenir des résultats, qui, tout en demeurant intelligibles, reflètent la dynamique et la complexité du phénomène entrepreneurial observé.
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 | 0.011 | 0.030 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.010 | 0.010 |
| Science and technology studies | 0.004 | 0.010 |
| Scholarly communication | 0.012 | 0.013 |
| Open science | 0.002 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 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".