Plaidoyer pour une prise en compte de la proposition de valeur de liaison entre consommateurs dans le champ de l’entrepreneuriat
Bibliographic record
Abstract
Certains succès d’entreprises lancées durant la dernière décennie ont de quoi faire réfléchir les chercheurs, les entrepreneurs et les accompagnateurs. Au coeur de leurs modèles d’affaires, on trouve souvent une proposition de valeur originale que nous nommons ici « valeur de liaison ». Nous soutenons ici que cette mise en liaison entre consommateurs est la raison principale du succès de ces entreprises. Cette « clé de contact » proposée aux consommateurs se traduit en équipe, entraide et communauté. En premier lieu, nous discutons comment s’envisage, se cocrée et se capture une proposition de valeur de liaison. Ensuite, nous questionnons les conséquences pour l’ensemble des acteurs concernés de placer la valeur de liaison au coeur de la proposition de valeur.
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 | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.001 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 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; a candidate call from one teacher head, 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".