MétaCan
Menu
Retour à la cohorte
Enregistrement W2167016471 · doi:10.1353/sgo.2011.0003

The Southern Culture of Risk Capital: The Path Dependence of Entrepreneurial Finance

2011· article· es· W2167016471 sur OpenAlexaboutno aff
William Graves

Notice bibliographique

RevueSoutheastern geographer · 2011
Typearticle
Languees
DomaineBusiness, Management and Accounting
ThématiquePrivate Equity and Venture Capital
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEntrepreneurshipPromotion (chess)Venture capitalSpillover effectQuarter (Canadian coin)Economic geographyEconomic growthEconomyPolitical scienceBusinessEconomicsGeographyFinance

Résumé

récupéré en direct d'OpenAlex

El sur de los EE.UU. ha experimentado un crecimiento notable en materia de empleos en el último cuarto de siglo, sin embargo algunos de estos puestos de trabajo fueron creados endógenamente. Si bien la estrategia principal de desarrollo económico en la región ha sido el depender de plantas subsidiarias para que incentiven la economía local, los esfuerzos recientes se han desplazado a la promoción empresarial a través de los incentivos que ofrece un distrito industrial (por ejemplo, el Research Triangle Park de Carolina del Norte). A pesar de estos esfuerzos, las tasas de iniciativa empresarial siguen siendo bajas en todo el sur de los EE.UU. Esta investigación identifica los elementos dominantes de la cultura regional que contribuyen a esta debilidad empresarial en el Research Triangle Park de Carolina del Norte. Una serie de entrevistas con inversionistas regionales de riesgo se llevaron a cabo para identificar el papel de la cultura en su industria. La importancia de la cultura regional en este tipo de financiación empresarial se identifica a través de comparaciones inter-regionales y encuestas a empresarios. Finalmente, los efectos iterativos de la cultura del sur se trazan a través de las 4 fases de la financiación empresarial.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,025
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,011
Tête enseignante GPT0,197
Écart entre enseignants0,186 · 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 source (Gemma direct ou Codex distillé), 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

Citations11
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSoutheastern geographerMême sujetPrivate Equity and Venture CapitalTravaux en français237 207