MétaCan
Menu
Retour à la cohorte
Enregistrement W1594350083

Impact of embeddedness in ethnic networks on business growth : evidence from Chinese immigrant entrepreneurs in Australia

2011· article· en· W1594350083 sur OpenAlexaboutno aff
Roxanne Zolin, Artemis Chang, Xiaohua Yang, Elly Yi‐Hsuan Ho

Notice bibliographique

RevueQUT ePrints (Queensland University of Technology) · 2011
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésImmigrationEmbeddednessEthnic groupEntrepreneurshipContext (archaeology)BusinessPolitical scienceEconomic growthSociologyGeographyEconomicsSocial science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Immigrant entrepreneurship, or, self-employment by immigrants (Light & Bonacich, 1988), has been of growing interest to researchers (Hosler, 1996). This is due in part to major immigrant receiving countries, such as Australia, the United States, Canada, the United Kingdom and Western Europe, experiencing a high growth rate in their immigrant populations, leading to a more visible presence of immigrant business in major cities (Woon, 2008). By starting their own businesses, immigrant entrepreneurs may circumvent some of the barriers and disadvantages encountered in looking for a job (Sequeira & Rasheed, 2006). Successful immigrant entrepreneurs will integrate into the economy by creating jobs, providing products and services for members of their own ethnic community and society, as well as introducing new products and services that expand consumers’ choices (Rath & Kloosterman, 2000). Immigrant entrepreneurs tend to start business within their ethnic enclave, as it is an integral part of their social and cultural context and the location where ethnic resources reside (Logan et al., 2002). An ethnic enclave is an interdependent network of social and business relationships that are geographically concentrated with its co-ethnic people (Portes & Bach, 1985).

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,117
Score d'incertitude au seuil0,749

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,292
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueQUT ePrints (Queensland University of Technology)Même sujetMigration, Ethnicity, and EconomyTravaux en français237 207