MétaCan
Menu
Retour à la cohorte
Enregistrement W2083435961 · doi:10.1108/17566261111169322

Gender, human capital, and opportunity identification in Mexico

2011· article· en· W2083435961 sur OpenAlexaff
María de los Dolores González, Bryan W. Husted

Notice bibliographique

RevueInternational Journal of Gender and Entrepreneurship · 2011
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésHuman capitalIdentification (biology)OriginalityEntrepreneurshipContext (archaeology)Social capitalHuman capital theoryValue (mathematics)SociologyDemographic economicsMarketingEconomicsEconomic growthBusinessSocial scienceGeographyQualitative research

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to understand how gender affects the number and innovativeness of business opportunities identified by future entrepreneurs in Mexico. Design/methodology/approach Comparing social feminist theory and human capital theory, this study examines the effect that human capital has on opportunity identification among men and women in Mexico. The authors specifically examine the role of specific and general human capital in the opportunity identification process. A survey instrument was applied to 174 MBA students at a university in Northeastern Mexico. Findings This study shows the significant effect of specific human capital: people with greater prior knowledge of customer needs or problems tended to identify more opportunities; however, the probability of identifying opportunities with innovation increased when individuals had been exposed to different industries through prior work and entrepreneurial experience. Gender differences were not significant for either the number of opportunities identified or the innovativeness of such opportunities. Originality/value This study provides evidence of the effect that human capital and gender have on opportunity identification in Mexico and provides an explanation within a context that has not been studied previously.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,452

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,103
Tête enseignante GPT0,287
Écart entre enseignants0,185 · 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'étudeObservationnel
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

Citations25
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Gender and EntrepreneurshipMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207