MétaCan
Menu
Retour à la cohorte
Enregistrement W1980292512 · doi:10.1142/s1084946712500057

EVALUATING THE MOTIVES OF INFORMAL ENTREPRENEURS IN KOFORIDUA, GHANA

2012· article· en· W1980292512 sur OpenAlexaff
Kwame Adom, Colin C. Williams

Notice bibliographique

RevueJournal of Developmental Entrepreneurship · 2012
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueTaxation and Compliance Studies
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésInformal sectorEntrepreneurshipFace (sociological concept)Female entrepreneursInformal educationWomen entrepreneursBusinessDeveloping countryEconomic growthEconomicsSociologySocial science

Résumé

récupéré en direct d'OpenAlex

In recent years, there has been growing recognition in the entrepreneurship literature that many entrepreneurs operate in the informal economy and that not all these informal entrepreneurs are doing so out of economic necessity and because of a lack of choice. Instead, it has been asserted that some of these informal entrepreneurs choose to exit the formal economy and trade on an off-the-books basis more as a matter of choice. However, until now most research displaying this has been conducted in advanced western and post-socialist economies. Little has been written on whether this is also the case in third (majority) world countries. This paper starts to fill this gap by evaluating informal entrepreneurs' motives in sub-Saharan Africa. Reporting the results of face-to-face structured interviews with 80 informal entrepreneurs in Ghana, the finding is that the majority, especially the women informal entrepreneurs, are predominantly necessity-driven while those who are principally intentional participants in informal entrepreneurship are men. However, many women who initially entered informal entrepreneurship out of necessity have over time become more opportunity-driven entrepreneurs. The outcome is a call for wider research in other global regions on informal entrepreneurs' motives and whether similar gender variations prevail.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
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 Opus0,107
Tête enseignante GPT0,296
Écart entre enseignants0,190 · 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'étudeQualitatif
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

Citations92
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Developmental EntrepreneurshipMême sujetTaxation and Compliance StudiesTravaux en français237 207