Comment définir et mesurer la performance du vendeur ?
Bibliographic record
Abstract
Rédaction en chef : Isabelle COLLIN-LACHAUD, Gilles N’GOALA Créée en 1993, Décisions Marketing est une revue officielle de l’AFM (Association Française du Marketing). Il s’agit d’une revue académique, orientée vers la prise de décision, et dont la vocation est à la fois européenne et internationale. Les articles publiés s’appuient sur des recherches qui traitent de concepts et de méthodes pertinents en termes de prise de décision marketing, avec une vision critique, ainsi que des problématiques et des stratégies qui y sont rattachées (innovation, communication, internationalisation, distribution, etc.). Les articles permettent également de faire connaître des concepts et pratiques émergents (marketing de l’expérience, commerce électronique, gestion des marchés d’occasion, marketing sensoriel, etc.) et présentent des points de vue théoriques et stratégiques originaux. La revue Décisions Marketing est devenue la référence francophone des revues académiques en marketing, orientées vers la prise de décision. La revue s’adresse à la fois aux universitaires et aux professionnels avertis, désireux de suivre les évolutions dans leur spécialité. Retrouvez les numéros et les articles en téléchargement sur Cairn.info.
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 | 0.009 | 0.024 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.002 | 0.003 |
| Science and technology studies | 0.003 | 0.009 |
| Scholarly communication | 0.017 | 0.015 |
| Open science | 0.002 | 0.002 |
| Research integrity | 0.003 | 0.004 |
| Insufficient payload (model declined to judge) | 0.015 | 0.005 |
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".