Hybridation salariat-entrepreneuriat au Burkina Faso : motivations et stratégies de conciliation entre emploi salarié et activité entrepreneuriale
Bibliographic record
Abstract
La recherche vise à analyser les motivations ainsi que les stratégies de conciliation de l’emploi salarié et de l’activité entrepreneuriale au Burkina Faso. Sur la base de 20 entretiens semi-directifs réalisés avec des entrepreneurs hybrides de ce pays de l’Afrique de l’Ouest, les résultats font ressortir des motivations entrepreneuriales mixtes à caractères économiques et non économiques, mais également dépendantes du contexte socio-culturel. Par ailleurs, les entrepreneurs hybrides tentent de concilier leur double rôle d’employé-entrepreneur en déléguant la gestion courante de l’entreprise à un personnel diversifié, tout en contrôlant les activités à distance au moyen d’outils numériques. La recherche met en évidence deux facteurs clés de pérennisation de l’entreprise créée jusqu’ici ignorés dans la littérature, à savoir la présence physique et la contribution mentale de l’entrepreneur hybride. En outre, cette recherche suggère aux pouvoirs publics de soutenir l’entrepreneuriat hybride au regard de sa contribution à l’amélioration du pouvoir d’achat des individus et de sa capacité de création d’emplois.
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 | 0.002 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.005 | 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".