Quelle communication de crise pour les PME internationalisées dans un contexte de pandémie ?
Bibliographic record
Abstract
Compte tenu de l’ampleur de la crise liée à la Covid-19, il est nécessaire que les PME informent leurs clients, fournisseurs et salariés des actions qu’elles entreprennent dans l’objectif de préserver leurs activités et leurs relations d’affaires. Cet article porte sur la communication de crise qui est mise en place par les PME internationalisées dans le contexte de la pandémie. L’étude empirique est fondée sur l’analyse systématique des sites Internet et des réseaux sociaux numériques de quinze PME belges qui réalisent plus de 50 % de leur chiffre d’affaires à l’export. Les résultats montrent que ces entreprises communiquent peu sur les actions menées face à la crise sanitaire. Les PME qui annoncent des mesures spécifiques sont principalement orientées vers la continuité des activités et la sécurité des salariés et plusieurs entreprises mettent en place des mesures innovantes liées à la pandémie. Notre recherche enrichit les connaissances sur la communication de crise des PME internationalisées en mettant en relief leurs comportements différenciés en matière de communication digitale. Elle permet de proposer plusieurs recommandations pour améliorer leur utilisation des sites Internet et des réseaux sociaux numériques en contexte 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 | 0.005 | 0.010 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.008 | 0.010 |
| Scholarly communication | 0.010 | 0.008 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.002 | 0.004 |
| Insufficient payload (model declined to judge) | 0.012 | 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".