Proximité et innovation : le territoire est-il un déterminant absolu pour les PME?
Bibliographic record
Abstract
La vive concurrence difficilement prévisible qui prévaut dans les différents espaces économiques oblige les PME à être beaucoup plus attentives aux besoins de leurs clients et aux réactions de leurs compétiteurs, pour pouvoir défendre ou protéger leur marché, ce qui leur demande d’être innovantes. Or, l’innovation est une activité qui fait appel à des ressources spécifiques qui ne sont pas toujours disponibles chez les PME. Ces dernières peuvent cependant compter sur des ressources externes pour combler leurs besoins. Celles-ci peuvent se trouver à proximité sur leur territoire, ou à l’extérieur de celui-ci selon son niveau de richesse. Est-ce à dire que les PME localisées sur des territoires moins nantis auraient moins de capacité d’innovation que les autres? L’étude des données d’un échantillon de PME québécoises localisées sur deux territoires distincts montre que les taux d’innovation ne sont pas différents, contrairement aux façons d’innover. Ces résultats nous invitent à prendre en compte la diversité des formes et intensités d’innovation pour comprendre ce dont ont besoin les PME pour accroître leurs capacités de créer de la nouveauté.
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.004 |
| Science and technology studies | 0.004 | 0.006 |
| Scholarly communication | 0.010 | 0.006 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.019 | 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".