Les déterminants du développement de l'auto-efficacité entrepreneuriale dans un contexte de mentorat
Notice bibliographique
Résumé
Résumé Par le passé, des recherches qualitatives ont fait ressortir l’importance du mentorat dans le développement de l’auto-efficacité entrepreneuriale des novices. Également, l’orientation dans un but d’apprentissage est reconnue comme une disposition individuelle exerçant une influence positive dans le développement du sentiment d’auto-efficacité. Cette recherche propose de vérifier si le sentiment d’auto-efficacité peut être développé chez l’entrepreneur novice lorsqu’il est jumelé avec un mentor en tenant compte de l’orientation dans un but d’apprentissage. Pour y parvenir, 360 entrepreneurs mentorés du réseau de mentorat d’affaires de la Fondation de l’entrepreneurship ont été interrogés. En utilisant un modèle d’équations structurelles, il est apparu que trois des six sous-échelles d’auto-efficacité entrepreneuriale sont développées en fonction du mentorat reçu. L’orientation dans un but d’apprentissage du mentoré influence à la fois le développement de l’auto-efficacité ainsi que le niveau de mentorat reçu. Ces résultats confirment que le mentor influence cette dimension affective chez l’entrepreneur novice, et laissent présager le rôle important que pourrait jouer l’orientation dans un but d’apprentissage des entrepreneurs dans leur cheminement de carrière.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,005 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,010 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».