Évaluation des pratiques de veille et d'intelligence stratégiques dans les PME québécoises
Bibliographic record
Abstract
Le but de cette recherche est d’établir une cartographie des pratiques de veille et d’intelligence stratégique dans les PME québécoises. Elle constitue une occasion de découvrir les habitudes de veille utilisées dans ces entreprises en les comparant avec les meilleures pratiques proposées par des chercheurs du domaine. Pour y parvenir, un sondage fut mené auprès de 2 697 PME québécoises sur des sujets qui couvrent l’ensemble du processus de la veille stratégique (la planification, la collecte de données, l’analyse, la communication des résultats et l’évaluation de la performance). La recherche tente d’identifier les pratiques de veille stratégique les plus courantes dans les PME québécoises. Elle tente aussi de vérifier s’il y a une relation entre ces pratiques et la performance économique et d’innovation de ces PME. Malgré le faible taux de réponse et les limites que cela suppose, les résultats de notre étude montrent qu’il y aune grande diversité de pratiques et qu’elles couvent l’ensemble du modèle conceptuel, mais l’intensité est très variable d’un élément à l’autre. Les entreprises tendent à utiliser des méthodes et des outils simples d’usage et plutôt accessibles. L’analyse des données a permis de constater les pratiques actuelles de PME, ainsi que les convergences et les divergences avec ce qui est proposé dans la littérature. Enfin, l’analyse souligne aussi que les sources de données des entreprises et les méthodes d’analyse sont tellement stratégiques que ces dernières ne veulent souvent pas les divulguer. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : PME, veille stratégique, Québec, veille concurrentielle, intelligence stratégique
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 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 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".