Le format « balados » : quelle portée pour l’éducation entrepreneuriale des femmes ?1
Bibliographic record
Abstract
Cet article expose un retour d’expérience sur un mode d’éducation entrepreneuriale innovant destiné à apprendre aux femmes à faire croître l’entreprise qu’elles ont créée, ceci par l’innovation et l’internationalisation. Le dispositif a été mis en place pour répondre aux cinq enjeux identifiés par la littérature qui empêcheraient les femmes de faire croître leur entreprise. L’approche pédagogique privilégiée combine des témoignages de dix-huit femmes entrepreneures aguerries de la France et du Québec et des présentations de concepts montées sous la forme de dix balados d’une durée moyenne de trente minutes couvrant les thématiques visées. Après l’écoute, les vingt entrepreneures participantes à la formation, provenant de ces deux pays, remplissent un journal de bord pour transposer leurs apprentissages à leur entreprise, puis échangent entre elles lors de séances virtuelles animées par les formatrices. Des entrevues individuelles menées avec les participantes montrent qu’elles apprécient cette formule pédagogique qui, par sa flexibilité et son efficacité, leur a permis de générer de nouvelles idées, de nourrir leur réflexion et d’accéder à une communauté d’entrepreneures partageant des défis similaires, créant ainsi un environnement propice à la croissance entrepreneuriale.
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 | 0.004 | 0.008 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.011 | 0.009 |
| Scholarly communication | 0.008 | 0.007 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.024 | 0.003 |
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".