Les Apports d’une Approche Quantitative Structurée en sciences de gestion
Mots-clés :
Approche Quantitative, Apports, Sciences de Gestion, Fiabilité, ValiditéRésumé
L’approche quantitative formaliste en sciences de gestion joue un rôle essentiel dans le renforcement de la rigueur méthodologique, l’évolution des cadres théoriques et l’amélioration des pratiques managériales. L'objectif de cette recherche est de mettre en évidence la contribution d’une approche quantitative rigoureusement structurée à la robustesse et à la précision des études en sciences de gestion. Elle permet également de confronter les théories existantes aux données réelles, favorisant ainsi une remise en question des hypothèses et l’émergence de nouvelles perspectives conceptuelles.
Par ailleurs, cette approche contribue à l’optimisation des décisions stratégiques grâce aux modèles prédictifs, en particulier dans la gestion des risques et la performance organisationnelle. Son intégration croissante avec l’intelligence artificielle et l’analyse des données enrichit la compréhension des dynamiques organisationnelles contemporaines.
Ainsi, l’approche quantitative formaliste s’impose comme un levier majeur pour la production de connaissances scientifiques robustes et applicables aux réalités managériales, tout en renforçant la généralisation des résultats et la prise de décision fondée sur des données probantes.
Téléchargements
Références
Aguinis, H., Hill, N.S., & Bailey, J.R. (2024). Best Practices in Data Collection and Preparation:Recommendations for Reviewers, Editors, and Authors. Organizational Research Methods.
Bansal, P., & Song, H.C. (2023). Translating Theory into Practice: The Role of Quantitative Models in Strategic Decision-Making. Strategic Management Journal, 44(3), 412-435.
Brynjolfsson, E., & McAfee, A. (2014). The Business of Artificial Intelligence. Harvard Business Review, 92(7), 60-68.
Certo, S.T., Busenbark, J.R., Woo, H.S., & Semadeni, M. (2023). Quantitative Methods in Strategic Management: A Review and Future Directions. Journal of Management, 49(2), 511- 540.
Davenport, T.H., & Harris, J.G. (2007). Competing on Analytics: The New Science of Winning. Harvard Business Review, 85(1), 98-107.Fornell, C., & Larcker, D.F. (1981). Evaluating Structural Equation Models with Unobservable Variables and Measurement Error. Journal of Marketing Research, 18(1), 39-50.
Gephart, R.P., & Richardson, J. (2020). Qualitative Research and the Academy of Management Journal. Academy of Management Journal, 63(2), 509-517.
Hair, J.F., Hult, G.T.M., Ringle, C.M., & Sarstedt, M. (2023). A Primer on Partial Least Squares Structural Equation Modeling (PLS-SEM). Organizational Research Methods, 26(1), 1-28.
Henseler, J., Ringle, C.M., & Sarstedt, M. (2015). A New Criterion for Assessing Discriminant Validity in Variance-Based Structural Equation Modeling. Journal of the Academy of Marketing Science, 43(1), 115-135.
James, G., Witten, D., Hastie, T., & Tibshirani, R. (2023). An Introduction to Statistical Learning: With Applications in R. Journal of Business Analytics, 6(1), 1-15.
Johnson, R., & Green, T. (2022). Hybrid Methodologies in Management Research: Bridging the Quantitative-Qualitative Divide. Management Science, 68(4), 2456-2478.
Kaplan, R.S., & Norton, D.P. (2024). The Balanced Scorecard: Measures That Drive Performance. Harvard Business Review, 102(1), 71-79.
Longino, H. (2024). Science as Social Knowledge: Values and Objectivity in Scientific Inquiry. Philosophy of Science, 91(2), 1-20.
Martínez, C. (2024). Beyond Numbers: The Limits of Quantitative Methods in Organizational Studies. Organization Studies, 45(3), 321-345.
Meyer, J.W., & Luhmann, N. (2024). Institutional Environments and Organizational Practices: The Rise of Formal Structure. American Sociological Review, 89(1), 1-25.
NASSIRI F. & BEDOUI N. (2025) «Le management des Connaissances et la performance», Revue Internationale des Sciences de Gestion «Volume 8: Numéro 1 » pp: 849-866
Shmueli, G., & Koppius, O.R. (2011). Predictive Analytics in Information Systems Research. MIS Quarterly, 35(3), 553-572.
Smith, J., Brown, T., & Lee, K. (2023). Big Data and Organizational Decision-Making: A Review of Empirical Studies. Journal of Business Research, 156, 1135-1148.
Waltman, L., & van Eck, N.J. (2023). A Systematic Review of Citation Metrics in Management Research. Scientometrics, 126(1), 1-25.
Wang, L., & Waltman, L. (2023). Bibliometric Analysis of Quantitative Methods in Management Studies. Journal of Informetrics, 17(2), 1-15.Daston, L. (2024). Rules of Objectivity: Algorithmic and Empirical Approaches in Science. Cambridge, MA: Harvard University Press.
Hastie, T., Tibshirani, R., & Friedman, J. (2023). The Elements of Statistical Learning: Data Mining, Inference, and Prediction (2nd ed.). New York, NY: Springer.
El Hassani, I. (2023). L'approche quantitative en sciences de gestion : Fondements et applications. Thèse de doctorat en gestion, Université Paris-Dauphine.
Téléchargements
Publiée
Comment citer
Numéro
Rubrique
Licence
(c) Tous droits réservés Bakary SANGARÉ 2025
Ce travail est disponible sous licence Creative Commons Attribution - Pas d’Utilisation Commerciale 4.0 International.
