L'impact de l'innovation ouverte sur la performance des PME manufacturières au Québec
Bibliographic record
Abstract
AvertissementL'auteur de ce mémoire ou de cette thèse a autorisé l'Université du Québec à Trois-Rivières à diffuser, à des fins non lucratives, une copie de son mémoire ou de sa thèse.Cette diffusion n'entraîne pas une renonciation de la part de l'auteur à ses droits de propriété intellectuelle, incluant le droit d'auteur, sur ce mémoire ou cette thèse.Notamment, la reproduction ou la publication de la totalité ou d'une partie importante de ce mémoire ou de cette thèse requiert son autorisation.SOMMAIRE Cette recherche exploratoire s' est donné comme objectif principal d'approfondir l'état actuel des connaissances sur le comportement des petites et moyennes entreprises (PME) manufacturières québécoises en innovation ouverte.Notre revue de la littérature a permis de proposer deux hypothèses de recherche, qui on été testées sur un échantillon de 109 PME manufacturières québécoises.La première hypothèse, partiellement validée, étudie l'impact du degré d' ouverture sur la performance en innovation.Elle fait ressortir le fait que le recours aux organisations scientifiques et aux consultants favorise la performance en innovation.La seconde hypothèse, qui stipule qu'il existe un effet modérateur des capacités internes sur la relation entre le degré d'ouverture et la performance en innovation, a été rejetée .La principale contribution de cette recherche est l' identification des principaux facteurs influençant la performance des PME manufacturières québécoises en innovation ouverte.À la fin , cette étude ouvre la porte à de nouvelles recherches futures plus affinées qui pourront notamment valider nos observations dans d' autres contextes.Elle contribue également à l' enrichissement des connaissances sur l'innovation ouverte dans le contexte spécifique des PME manufacturières.
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 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.004 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.011 | 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 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".