La Matrice du modèle d’affaires responsable : un outil pour la transformation socioécologique
Bibliographic record
Abstract
Les outils de modélisation d’affaires sont utilisés depuis plusieurs années dans les formations universitaires et les programmes d’incubation pour aider les étudiants et les entrepreneurs en démarrage à développer leurs projets d’entreprises. Plus récemment, la triple exigence économique, sociale et environnementale du développement durable a été intégrée aux critères de réussite en affaires. Ainsi, plusieurs outils de modélisation d’affaires « durables » ont vu le jour, ces derniers étant plus ou moins adaptés aux contextes de l’éducation et de l’accompagnement à l’entrepreneuriat. Cet article présente la Matrice du modèle d’affaires responsable (MMAR), un outil qui vise à aider les étudiants et les entrepreneurs en démarrage à se poser les bonnes questions pour développer des modèles d’affaires en accord avec les exigences de la transformation socioécologique. L’outil s’inscrit dans une approche de compromis et intègre à la fois une perspective financière et des éléments normatifs liés à la durabilité, incluant le bien-fondé de l’entreprise, la prise en compte d’une diversité de parties prenantes et leur gestion, de même que les retombées positives et négatives de ses activités.
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 | 0.007 | 0.013 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.002 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.007 |
| Scholarly communication | 0.008 | 0.011 |
| Open science | 0.002 | 0.006 |
| Research integrity | 0.002 | 0.005 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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".