Impact des réseaux sociaux numériques sur le processus d’internationalisation des PME traditionnelles : un moteur dopé par la crise de la Covid-19 ?
Bibliographic record
Abstract
La transformation digitale des entreprises n’est plus une option dans le monde contemporain. La Covid-19 a apporté la démonstration flagrante du potentiel numérique dans tous les domaines d’activité économique et la prise de conscience que le retour au fonctionnement de l’« avant pandémie » est peu probable. Notre étude s’intéresse à des entreprises traditionnelles dont l’internationalisation constitue le levier principal de croissance. Nous cherchons à comprendre comment les réseaux sociaux numériques impactent leur processus d’internationalisation et peuvent constituer un moteur de leur développement. L’étude exploratoire longitudinale déployée auprès de PME traditionnelles françaises met en évidence le rôle clé des réseaux sociaux dans ce processus. Le recours à ces plateformes constitue un prérequis du développement international et conduit les entreprises à s’interroger sur leur identité numérique, sur les nouvelles compétences et sur le rôle pivot qu’elles pourraient jouer dans un écosystème d’affaires numérique. Dans la continuité des travaux de l’école d’Uppsala, nos résultats suggèrent une évolution du modèle d’Uppsala (Johanson et Vahlne, 2009) vers un modèle de développement à l’international hybride : traditionnel et numérique. Ce dernier met en exergue trois principaux mécanismes à effet accélérateur : le système de récompense, le principe de validation sociale et le fonctionnement selon la logique écosystémique des plateformes numériques. Enfin, nous présentons des recommandations managériales pour aider les PME à aborder ce virage stratégique.
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 | 0.006 | 0.015 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.004 | 0.005 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.022 | 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".