Effets de la dynamique entrepreneuriale sur le développement durable en République du Congo
Bibliographic record
Abstract
Actuellement, la création d’entreprises joue un rôle prépondérant dans l’économie de plusieurs pays, où sa conséquence sur l’environnement et sur la société n’est pas négligée. L’objectif de ce travail est d’analyser les effets de la dynamique entrepreneuriale sur le développement durable en République du Congo. Pour ce faire, notre étude a porté sur une période allant de 1990 à 2021, soit 32 observations. En utilisant le modèle à correction d’erreur (MCE) en deux étapes, les résultats obtenus révèlent qu’à court terme la dynamique entrepreneuriale n’améliore pas le développement durable au Congo, quelle que soit sa version (faible ou forte), tandis qu’à long terme, la dynamique entrepreneuriale améliore le développement durable pour ses deux versions (faible et forte). Au regard des résultats obtenus, il apparaît indispensable pour les autorités de mettre en place des politiques d’encouragement aux entreprises qui adoptent les nouvelles technologies dans les pratiques de développement durable.
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 | 0.002 | 0.005 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.002 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
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".