An Agent‐Based Model of Entrepreneurial Behavior in Agri‐Food Markets
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Rapid technological innovation and globalization have led to increasingly complex agri‐food supply chains and networks, and uncertain agri‐food markets. Given this type of competitive environment, management scholars have argued that agri‐food firms that adopt capabilities for entrepreneurship will outperform firms that do not. We use agent‐based simulation methods to explore this hypothesis. Agent‐based models are particularly relevant in this study as they allow for the explicit simulation of the entrepreneurial behaviors and firm interactions that lead to wealth creation. In our analysis, we find that entrepreneurial capabilities of alertness, risk‐taking, and efficiency vary in their effect on firm performance given alternative agri‐food strategic landscape configurations. L'innovation technologique rapide et la mondialisation ont donné lieu à des chaînes d'approvisionnement agroalimentaire et à des réseaux de plus en plus complexes ainsi qu'à des marchés agroalimentaires incertains. Compte tenu de ce type d'environnement concurrentiel, les spécialistes en gestion soutiennent que les entreprises agroalimentaires qui possèdent des capacités entrepreneuriales surclasseront celles qui n'en possèdent pas. Nous avons utilisé des modèles de simulation multi‐agent pour étudier cette hypothèse. Les modèles multi‐agent sont particulièrement pertinents dans la présente étude puisqu'ils permettent la simulation explicite de comportements entrepreneuriaux et d'interactions entre firmes qui engendrent la création de richesse. Les résultats de notre analyse ont montré que les capacités entrepreneuriales, telles que la vigilance, la prise de risque et l'efficacité, ont des répercussions variées sur la performance d'une firme en raison de différentes configurations stratégiques du paysage agroalimentaire.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle