L’intention entrepreneuriale environnementale : quels enseignements pour l’accompagnement des entrepreneurs naissants français ?1
Bibliographic record
Abstract
L’intention environnementale est un concept clé pour examiner les comportements de protection de la nature et de l’environnement. Cependant, dans le domaine de l’entrepreneuriat naissant, peu d’études examinent l’intention entrepreneuriale environnementale des porteurs de projet. Pour combler cette lacune, nous accordons une attention particulière aux déterminants de l’intention entrepreneuriale environnementale des entrepreneurs naissants en France en vue de réduire l’impact de leurs activités sur la nature. Mobilisant la théorie du comportement planifié, nos investigations empiriques auprès de 433 entrepreneurs naissants français montrent la pertinence et la robustesse prédictive de cette théorie dans l’étude de l’intention entrepreneuriale environnementale des entrepreneurs naissants. Nous contribuons ainsi à une meilleure compréhension du processus de formation de cette dernière, plus particulièrement dans le champ de l’entrepreneuriat. Sur le plan des retombées managériales, cette recherche présente des contributions visant un meilleur accompagnement des entrepreneurs naissants souhaitant intégrer des pratiques environnementales dans le montage de leur projet entrepreneurial. Sur la base de l’effet du contrôle comportemental environnemental perçu et des formations à l’environnement, deux axes de progrès sont identifiés autour de la sensibilisation/formation à l’environnement et de la modélisation des projets entrepreneuriaux.
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 | 0.004 | 0.011 |
| 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 | 0.002 |
| Scholarly communication | 0.004 | 0.003 |
| Open science | 0.001 | 0.002 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.008 | 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".