Le rôle du statut d’étudiant-entrepreneur dans le développement de l’intention entrepreneuriale chez les jeunes en Tunisie
Bibliographic record
Abstract
La création du statut national de l’étudiant-entrepreneur (SNEE) vient consolider le rôle que joue de plus en plus l’écosystème éducatif dans la promotion de la culture entrepreneuriale chez les jeunes en Tunisie. En se basant sur la perception des étudiants qui en sont bénéficiaires, cette étude explore le rôle de ce statut dans le développement de l’intention entrepreneuriale des jeunes. Elle identifie également les difficultés associées aux trois phases du parcours de l’étudiant-entrepreneur, allant du premier niveau « initiateur », évoluant ensuite vers le deuxième niveau « innovateur », pour atteindre le niveau final d’étudiant-entrepreneur « promoteur ». Les résultats d’une étude qualitative exploratoire menée auprès de 24 étudiants tunisiens poursuivant le SNEE révèlent une perception positive du statut et soulignent des défis tels qu’un manque de visibilité des perspectives au niveau d’initiateur, un déficit d’accompagnement personnalisé au niveau d’innovateur et l’absence de financement pour concrétiser les projets en phase finale de l’étudiant promoteur. Les résultats mettent aussi en exergue l’insuffisance du statut dans le développement de l’entrepreneuriat parmi les jeunes étudiants tunisiens.
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 | 0.003 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.003 | 0.002 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 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".