Appropriation et usages des médias sociaux par les PME régionales québécoises
Bibliographic record
Abstract
Avec l'avènement du Web 2.0, les entreprises se penchent de plus en plus sur l'appropriation des nouvelles technologies au sein de leurs activités, notamment en ce qui concerne l'utilisation des médias sociaux. En raison du poids économique des petites et moyennes entreprises, ce projet permet de faire la lumière sur l'impact des médias sociaux sur le développement de celles-ci. Par le biais de cinq études de cas qui ont chacune été menées par une observation en ligne du contenu numérique créé par les PME participantes et par un entretien semi-dirigé, ce mémoire analyse le processus d'appropriation et l'utilisation des médias sociaux par les PME en région rurale. La région ciblée est le Saguenay-Lac-Saint-Jean, où une étude antérieure avait montré que bon nombre de celles qui composent le territoire ne se sentent pas à l'aise avec les outils numériques à leur portée. Il s'agissait également de déterminer si cette même appropriation et l'utilisation qu'en font ces entreprises est un facteur contribuant à leur développement. La recherche montre que le rôle des médias sociaux dans les activités de communication publique des PME régionales est considérable, notamment en raison de la fréquence d'utilisation et du temps qui est consacré à les alimenter. L'analyse des résultats révèle également que les PME s'approprient les médias sociaux en priorisant les outils de la plateforme Facebook et ce, à des fins majoritairement informationnelles. Finalement, nos données soutiennent l'hypothèse que l'appropriation et l'usage des médias sociaux sont des facteurs contribuant au développement de ces entreprises.
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 | 0.001 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.010 | 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".