MétaCan
Menu
Retour à la cohorte
Enregistrement W2735411605 · doi:10.1108/ijebr-07-2016-0214

Becoming entrepreneurs: how immigrants developed entrepreneurial identities

2017· article· en· W2735411605 sur OpenAlexaboutno aff
Zhang Zhen, Douglas Chun

Notice bibliographique

RevueInternational Journal of Entrepreneurial Behaviour & Research · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEntrepreneurshipImmigrationIdentity (music)OriginalityAgency (philosophy)SociologyValue (mathematics)Qualitative researchMarketingPublic relationsBusinessPolitical scienceSocial science

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to investigate the important process of how entrepreneurial identity is formed and constructed, with the perspective that entrepreneurial identity is social and dynamic, constantly shaped by various life episodes and human interactions, rather than static and unchanging. Design/methodology/approach This qualitative study comprises 30 in-depth interviews with Chinese immigrants in West Canada. These immigrants had been employed professionals under the “Skilled Workers” immigration category but later became entrepreneurs. None of the entrepreneurs in this study had prior business ownership experience, and many of them said that they had never thought about running businesses until they came to Canada. Findings A process model of entrepreneurial identity construction is presented. This paper advances the literature on entrepreneurship through the identification of three stages in the development of entrepreneurial identity: identity exploration, entrepreneurial mindsets building, and narrative development. Originality/value This study has important implications for the understanding of the exploratory and discovery mode of entrepreneurial identity construction. This study also moves away from the contextual and structural hypotheses as the sole explanations for the high rate of self-employment among immigrant entrepreneurs, and provides a useful starting point for a deeper understanding of the agency of immigrant entrepreneurs.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
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 enseignants0,084
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0060,005
Science ouverte0,0040,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,110
Tête enseignante GPT0,379
Écart entre enseignants0,269 · 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

Citations53
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Entrepreneurial Behaviour & ResearchMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207