MétaCan
Menu
Retour à la cohorte
Enregistrement W2766412855 · doi:10.5465/ambpp.2017.284

Different paths to the same Business: A Micro-level view of Entrepreneuring via Replication

2017· article· en· W2766412855 sur OpenAlexaff
Patrick D. Shulist, Oana Branzei

Notice bibliographique

RevueAcademy of Management Proceedings · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFinTech, Crowdfunding, Digital Finance
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésPhenomenonEntrepreneurshipMicro levelReplication (statistics)NeglectMacro levelBusinessNew VenturesQualitative researchMarketingIndustrial organizationEconomicsMicroeconomicsEconomic systemSociologyEconomic impact analysisPsychologyFinanceSocial science

Résumé

récupéré en direct d'OpenAlex

Entrepreneurship research has traditionally focused on far-from- equilibrium economic processes. Through doing so, significant insight have been made into the nature of innovative discovery and creation opportunities. However, this focus led to unintentional neglect of near-equilibrium entrepreneurship – entrepreneurship happening in established markets, where participants mainly replicate existing ventures to add supply to existing markets, often because no other employment opportunities are available. Moreover, when researchers do engage with the phenomenon, it tends to be at a macro-level stressing the institutional drivers of homogeneity. However, there is ample reason to believe this is an oversimplification of a complex phenomenon. As such, we undertook a 33-month qualitative study in Koforidua, Ghana. We found six distinct pathways through which replication occurs, and that use of these pathways is guided by entrepreneurs’ knowledge and financial constraints. More than this, we find that entrepreneuring enables the dynamic accumulation of knowledge and resources, allowing entrepreneurs to progressively relax constraints and to undertake more agentic venture selection processes.

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)0,011
score de la tête « metaresearch » (Gemma)0,018
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,018
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0100,053
Communication savante0,0120,021
Science ouverte0,0020,010
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,039
Tête enseignante GPT0,259
Écart entre enseignants0,220 · 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'étudeQualitatif
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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetFinTech, Crowdfunding, Digital FinanceTravaux en français237 207