Les microentreprises féminines et la pandémie de COVID-19 à Brazzaville en République du Congo : simples stratégies ou innovations sociales?
Bibliographic record
Abstract
L’objectif du présent travail est d’identifier les stratégies développées par les femmes entrepreneures engagées dans les microentreprises et de vérifier si celles-ci constituent des innovations sociales ou de simples stratégies. Pour ce faire, des récits de vie ont été recueillis, pendant la période du confinement pandémique, notamment au mois d’avril 2020. L’analyse de ces récits a montré que les stratégies mises en place par ces femmes sont ambidextres, c’est-à-dire qu’elles associent aussi bien les stratégies d’exploitation que d’exploration. Les stratégies d’exploitation portent sur les déplacements, sur la flexibilité dans la gestion de la main-d’oeuvre et sur l’ajustement des jours et des horaires de travail afin de maintenir un certain niveau d’activité en pleine crise pandémique. Les secondes stratégies d’exploration, quant à elles, portent sur la recherche d’une nouvelle clientèle et sur le développement de nouveaux produits pendant cette période. Les critères de Bund et ses collaborateurs (2013) permettent de montrer que les objectifs visés par les stratégies d’exploration constituent bien des innovations sociales. Enfin, ces résultats ont des implications sur les stratégies d’adaptation et de survie des microentreprises des femmes en période de crise.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.007 | 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".