MétaCan
Menu
Retour à la cohorte
Enregistrement W2117747117

FROM ENTREPRENEURSHIP TO ECONOMIC DEVELOPMENT: CELEBRATING TEN YEARS OF GLOBAL ENTREPRENEURSHIP MONITOR

2009· article· en· W2117747117 sur OpenAlexaboutno aff
Zoltán J. Ács, José Ernesto Amorós, Niels Bosma, Jonathan Levie

Notice bibliographique

RevueFrontiers of entrepreneurship research · 2009
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEntrepreneurshipCompetition (biology)ScholarshipProductivityQuality (philosophy)BusinessEconomic geographyEconomicsMarketingEconomic growthFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

ABSTRACT This paper reviews ten years of theoretical and empirical contributions by the Global Entrepreneurship Monitor consortium. The evolution of GEM measures of entrepreneurship is tracked, and the quantity and quality of peer-reviewed scholarship based on GEM data and models is assessed. Prospects for the future are noted, as GEM continues to expand and scholars outside the consortium increasingly employ GEM data in their work. INTRODUCTION In this paper, we review the ten years of empirical and theoretical contributions of the GEM project. We do this by first reviewing the main scientific contributions of GEM to date. Second we analyze the evolution of GEM’s main indicators over the 10-year period 1999-2008 and show how some GEM measures effectively could contribute to our understanding of the relationship between entrepreneurship and economic development. Finally we highlight recent advances in entrepreneurship measures and propose recommendations that may benefit the GEM project. Entrepreneurs create new businesses, and new businesses create jobs, intensify competition, and may even increase productivity through technological change. This is how entrepreneurship is believed to contribute to economic development. Some studies argue that during the last two decades the development of new technologies, and by consequence the emergence of new business models, has shifted from large corporations to small and new ventures (Audretsch and Thurik, 2001; Thurow, 2003; Wennekers et al., 2005, Amoros and Cristi, 2008). By consequence high levels of entrepreneurship will thus translate directly into high levels of innovation, employment and development (Schumpeter, 1934; Baumol, 2002; Acs and Audretsch, 1988). However, we have much to learn about why entrepreneurship rates differ not only among countries with different development stages but also among regions in a single country, and why not all entrepreneurial efforts have the same impact on economic development. Many of these issues are widely explored by the Global Entrepreneurship Monitor (GEM) research program, which assesses entrepreneurial activity annually in nations and regions of the world. GEM was created in September 1997 by Michael Hay and Bill Bygrave as a joint research initiative by London Business School and Babson College. The project’s success would not have been possible without the tremendous efforts of GEM entrepreneur Paul Reynolds, who was Principal Investigator of the project between 1998 and 2003. The first GEM Global study was conducted in 1999. This first effort analyzed 10 countries: the G7 countries (i.e., Canada, France, Germany, Italy, Japan, United Kingdom and United States) and three additional countries, Denmark, Finland and Israel because some researchers of these countries had relevant expertise. 1Acs et al.: CELEBRATING TEN YEARS OF GLOBAL ENTREPRENEURSHIP MONITORFrontiers of Entrepreneurship Research 2009

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,052
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
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 Opus0,036
Tête enseignante GPT0,299
Écart entre enseignants0,263 · 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.

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

Citations56
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers of entrepreneurship researchMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207