MétaCan
Menu
Retour à la cohorte
Enregistrement W1963717628 · doi:10.3846/16111699.2013.770786

ENTREPRENEURIAL ORIENTATION AND EXTERNAL TECHNOLOGY ACQUISITION: AN EMPIRICAL TEST ON PERFORMANCE OF TECHNOLOGY-BASED NEW VENTURES

2014· article· en· W1963717628 sur OpenAlexaff
Cai Li, Qing Liu, Shengliang Deng, Cao Dan

Notice bibliographique

RevueJournal of Business Economics and Management · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensBrock University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésEntrepreneurial orientationBusinessContext (archaeology)New VenturesMarketingOrientation (vector space)Test (biology)Empirical researchEmerging marketsIndustrial organizationInformation technologyEntrepreneurshipComputer science

Résumé

récupéré en direct d'OpenAlex

This research investigates the effects of entrepreneurial orientation and external technology acquisition on the performance of technology-based new ventures in the context of a transitional economy. An analysis of the cross-sectional data from 123 Chinese technology-based new ventures was conducted. The results of the analysis support the contention that both the acquisition of external technology and entrepreneurial orientation improve new ventures’ performance. Additionally, the interaction of entrepreneurial orientation and external technology acquisition positively moderates the relationship between entrepreneurial orientation and performance of technology-based new ventures. Overall, this study contributes to our enhanced understanding of the complex relationship among entrepreneurial orientation, external technology acquisition and firm performance under transitional economic conditions. Firms from emerging economies, especially technologybased new ventures, may find the study findings useful in guiding their decision on external technology acquisition.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,002
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,010
Tête enseignante GPT0,224
Écart entre enseignants0,214 · 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 source (Gemma direct ou Codex distillé), 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

Citations27
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Business Economics and ManagementMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207