Réseaux sociaux numériques et PME : Quels sont les risques d'utilisation des réseaux sociaux numériques à l'international ?
Bibliographic record
Abstract
Le développement à l'international est une opportunité pour les petites et moyennes entreprises (PME) de faire face à l'étroitesse du marché local en élargissant les activités à l'international. Ces petites structures, bénéficiant généralement de peu de moyens financiers, technologiques et humains, utilisent de plus en plus les nouvelles technologies pour maintenir ou développer leurs avantages concurrentiels. La décision de se trouver sur les réseaux sociaux numériques (RSN) devient de plus en plus stratégique. Les RSN sont des outils parfaitement adaptés aux PME car ils permettent d'intensifier les collaborations avec des partenaires étrangers et de bénéficier d'une présence en ligne à l'international. Les recherches prônent principalement les côtés positifs de ces nouveaux outils peu couteux mais peu abordent ces aspects négatifs, dangereux ou néfastes de ces outils. A l'aide d'entretiens semi-directifs réalisés auprès de 22 responsables de PME, cet article se donne pour objectif (1) d'investiguer les risques d'utilisation des réseaux sociaux numériques pour les PME dans un contexte d'internationalisation et (2) d'analyser la perception de ces risques auprès des responsables.
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 | 0.005 | 0.020 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.004 | 0.005 |
| Science and technology studies | 0.002 | 0.003 |
| Scholarly communication | 0.007 | 0.007 |
| Open science | 0.001 | 0.004 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.021 | 0.003 |
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".