Impacts des sources de financement sur le résultat des projets d’entrepreneuriat
Bibliographic record
Abstract
La présente recherche s’intéresse à la problématique d’échec des projets d’entrepreneuriat. Compte tenu du nombre d’échec des projets d’entrepreneuriat qu’on observe encore aujourd’hui malgré les nombreuses théories élaborées, il est important de continuer les recherches afin d’identifier d’autres spécificités de ces types de projets qui restent encore inconnus. Ces travaux s’inscrivent dans ce sens ont essayé de montrer l’incidence des sources de financement sur les résultats des projets d’entrepreneuriat (succès ou échec). Pour atteindre cet Object, nous avons vérifié auprès des consultants en entrepreneuriat et des entrepreneurs si les sources de financement ont une incidence sur le degré d’engagement des promoteurs d’entreprise pour réussir leur projet d’entrepreneuriat. Deux questionnaires d’enquête de type semi ouvert a été élaboré. L’un a été soumis à 42 consultants en entrepreneuriat répartis au Bénin et au Canada et le second à 151 entrepreneurs basés essentiellement au Bénin. Le sondage a été effectué par l’intermédiaire du logiciel d’enquête en ligne LimeSurvey dans la période de janvier et février 2020. Les données recueillies ont été analysées dans une première partie grâce à l’outil statistique de LimeSurvey pour obtenir les tendances et dans une deuxième à l’aide du logiciel d’analyse statistique SPSS pour effectuer des tests d’hypothèses. Les diverses analyses ont montré que les sources de financement ont vraisemblablement un impact sur le degré d’engagement des porteurs de projet, de même que le degré d’engagement des porteurs de projet influence le résultat des projets d’entrepreneuriat. De plus nous avons observé que les sources de financement ont un impact vraisemblable aussi sur le résultat des projets d’entrepreneuriat. Les résultats obtenus ont permis de déduire que certaines sources de financement prédisposent plus les projets d’entrepreneuriat au succès plus que d’autres. Malgré les limites de cette recherche, les conclusions permettrons aux porteurs de projet d’entrepreneuriat de savoir que parmi les sources de financement des projets d’entrepreneuriat à leur disposition, certaines favorisent plus le succès. Ceci leur permettra de mieux choisir leurs sources de financement pour maximiser leur chance de réussir leur projet d’entrepreneuriat.
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 | 0.017 | 0.066 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.003 | 0.002 |
| Science and technology studies | 0.002 | 0.001 |
| Scholarly communication | 0.005 | 0.002 |
| Open science | 0.001 | 0.005 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.013 | 0.002 |
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".