Comment des PME peuvent-elles être résilientes en contexte de crises multiples ? Étude de cas longitudinale d’une PME libanaise engagée en RSE
Bibliographic record
Abstract
Cet article propose une recherche sur la résilience des PME face à des crises multiples dans un contexte très particulier, celui du Liban. Ce pays traverse depuis 2019 de multiples crises qui ont eu différentes conséquences sur l’emploi et la vie des entreprises. Une recherche exploratoire à partir d’une étude de cas longitudinale d’une PME libanaise montre comment celle-ci a pu être proactive dans la gestion des différentes crises vécues dans son pays. Diriger une entreprise résiliente face à de multiples crises consiste pour un dirigeant à garder le cap sur des projets à long terme tout en adoptant des actions pour contrer les effets de chacune d’elles. Ainsi, cette entreprise engagée en RSE parvient à surmonter les crises en adoptant des actions avec un impact social, environnemental et économique. La gouvernance multi-parties prenantes basée sur l’écoute des parties prenantes, inscrite dans le court terme et le long terme, induit une GRH durable permettant une meilleure résilience organisationnelle face à de multiples crises.
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 distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.011 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.000 | 0.001 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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; both teacher heads agree on what is shown here.
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".