Toward a social capital theory of technology‐based new ventures as complex adaptive systems
Notice bibliographique
Résumé
Purpose Technology‐based new ventures (TNVs) – which rely on entrepreneurial activities based on science and technology applications in newly created organizations to be successful – are important to current economic growth and innovation. Past research has looked at the importance of networks and social capital to TNV performance. Yet these studies rarely provide theoretical predictions of the attributes of network ties. This paper aims to bring TNV theory up to date with respect to twenty‐first century adaptation and complexity conditions. Design/methodology/approach The paper draws on new developments in complexity science (specifically scalability and scale‐free theories) and long‐standing first principles of efficacious adaptation to develop TNV‐relevant theory offering an alternative perspective on the impact of network ties on the performance of TNV. Findings It is argued that TNVs can achieve superior performance by developing and building moderate numbers of short‐term (and thereby weak) network ties. The theorizing calls for a new research agenda pertaining to TNVs, which are delineated. The paper also develops four propositions as part of setting forth an agenda for future research. Originality/value The paper updates the entrepreneurship and social network literatures by reshaping them with respect to the nonlinear order‐creation dynamics of complexity theory and scale‐free dynamics of econophysics. It focuses on the aspects of network theory that are especially likely to set in motion the complex adaptive systems dynamics essential to TNV performance. Therefore, the conceptual framework contributes to TNVs as a guide to achieving higher performance, effectiveness, and longevity in a rapidly changing world.
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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».