Notice bibliographique
Résumé
The issue of female entrepreneurship has become a globally important topic in recent years, especially for countries in the Middle East and North Africa (MENA) region. Yet, in the case of Iran the topic remains under-researched despite the significance of female entrepreneurship as means of addressing the disproportionately high unemployment within the educated female work force. This article presents the findings from a survey that uses the World Bank Enterprise Survey questionnaire to document the characteristics of a sample of enterprises in Iran. The results suggest that entrepreneurship rate among Iranian women falls within the regional variation and remains low relative to other regions of world outside Asia. Low female entrepreneurship is mostly distinct among small and medium enterprises (SMEs). On the positive side, however, women entrepreneurs in Iran (similar to the rest of MENA) tend to be better represented in larger firms. The research highlights some of the notable characteristics of female entrepreneurship, indicating a high presence in the service sector, especially gender-segregated activities, as well as in some new and growing industries such as electronics and information technology. Our data shows that female-owned enterprises in Iran tend to face particular challenges in accessing some infrastructure services, particularly telecoms and the Internet. Yet, there were fewer complaints among female entrepreneurs regarding other aspects of business, such as obtaining permits and paying taxes, in comparison to the rest of the MENA region. Many female entrepreneurs indicated that international economic sanctions were a major obstacle for their business, predominantly because female-owned firms are new and tend to depend more on technology and foreign trade. Generally, a large part of gender differences in terms of enterprise ownership could be explained by firm size and industrial characteristics of female-owned firms, though one needs also to recognize challenges women face with regard to attitudes toward gender roles and stereotypes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».