MétaCan
Menu
Retour à la cohorte
Enregistrement W2019671730 · doi:10.1111/j.1540-6520.2009.00297.x

How Technology–Based New Firms Leverage Newness and Smallness to Commercialize Disruptive Technologies

2009· article· en· W2019671730 sur OpenAlexaff
Sofy Carayannopoulos

Notice bibliographique

RevueEntrepreneurship Theory and Practice · 2009
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésCommercializationDisruptive technologyLeverage (statistics)Emerging technologiesBusinessDisruptive innovationComplementary assetsContext (archaeology)Industrial organizationEntrepreneurshipNew VenturesMarketingFinanceComputer science

Résumé

récupéré en direct d'OpenAlex

Although the survival of young firms is challenged by the liabilities of newness, there are numerous instances where these firms have been successful at commercializing disruptive technologies at the expense of much larger and stronger incumbents. This paper explores this phenomenon and argues that the characteristics that challenge young technology–venture survival are also potential sources of advantage when commercializing disruptive technologies. The propositions developed also identify the boundary conditions for the advantages by examining the context of commercialization that is created by four types of disruptive technologies. The contributions of this paper are relevant to the enhanced understanding of the liabilities of newness, as well as the commercialization of disruptive technologies.

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)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,817
Score d'incertitude au seuil0,957

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,027
Tête enseignante GPT0,273
Écart entre enseignants0,245 · 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'étudeThéorique ou conceptuel
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

Citations111
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEntrepreneurship Theory and PracticeMême sujetInnovation and Knowledge ManagementTravaux en français237 207