Quelles actions pour relever le défi de l’ancrage des jeunes entreprises technologiques dans l’écosystème entrepreneurial
Bibliographic record
Abstract
Les entrepreneurs dirigeants et accompagnateurs entrepreneuriaux souhaitent mieux comprendre le rôle des dispositifs d’accompagnement dans l’ancrage de la jeune entreprise technologique (JET) au sein de son écosystème. Cet article examine la faisabilité des actions à mettre en oeuvre à partir de leur perspective. L’objectif de recherche consiste à identifier les représentations communes ainsi que les convergences et les divergences de perception entre entrepreneurs dirigeants et accompagnateurs en ce qui concerne la faisabilité des actions soutenant l’ancrage de la JET dans l’écosystème. Les différences de conception et de perception entre ces parties prenantes sont mises en évidence grâce à l’apport de la démarche de cartographie des concepts en groupe (CCG). Les résultats permettent d’identifier et de comprendre les actions à promouvoir et à mettre en oeuvre par les accompagnateurs et acteurs institutionnels au sein des dispositifs d’accompagnement pour aider la JET à mieux s’ancrer dans son écosystème, pour créer de la valeur et pour poursuivre un développement pérenne.
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 | 0.005 | 0.006 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.002 | 0.001 |
| Science and technology studies | 0.004 | 0.014 |
| Scholarly communication | 0.011 | 0.010 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.002 | 0.003 |
| Insufficient payload (model declined to judge) | 0.005 | 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".