MétaCan
Menu
Retour à la cohorte
Enregistrement W2521575808 · doi:10.5539/ass.v12n10p55

Business Plan Vs Business Model Canvas in Entrepreneurship Trainings: A Comparison of Students’ Perceptions

2016· article· en· W2521575808 sur OpenAlexvenueno aff
Esra Sena Türko

Notice bibliographique

RevueAsian Social Science · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBusiness Strategies and Innovation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésBusiness planEntrepreneurshipBusiness Model CanvasPlan (archaeology)PerceptionValue (mathematics)MarketingMarketing planFinancial planBusiness modelBusinessPsychologyMedical educationManagementComputer scienceEconomicsMedicineFinance

Résumé

récupéré en direct d'OpenAlex

Business model canvas and business plan are prevalent and widespread tools used in entrepreneurship trainings. This study aims to compare the business model canvas and the business plan as tools used in entrepreneurship trainings through the perceptions of business school students, with a user approach. Students were given applied entrepreneurship courses, and have been taught to prepare a business plan and a business model canvas. Then students were asked questions comparing business plan and business model canvas from various aspects. 62% of the students have stated that they find it more difficult to prepare a business plan. On the other hand despite its hardship to prepare, students have stated business model's superiority to BMC on several issues. According to students' statements, compared to BMC, business plan is more clear (64.6%), more useful (60.8%), more realistic in revealing the phases of start-up (77.2%), superior in financial planning (74,7%), superior in marketing planning (67.1%), superior in costs (70.9%), superior in describing customer needs and value propositon (60.7%), superior in production planning and supply chain (68.3%). After providing these statements students were asked which system they liked preparing the most. Answers to this question could not be decisively evaluated. Percentage of positive, negative and neutral statements are very similar. Independent samples t-test was conducted to compare business plan and BMC use perceptions scoring for gender. There was not a significant difference in the scores for female and male students.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
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 enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,053
Tête enseignante GPT0,303
Écart entre enseignants0,250 · 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

Citations35
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Social ScienceMême sujetBusiness Strategies and InnovationTravaux en français237 207