MétaCan
Menu
Retour à la cohorte
Enregistrement W2782348562 · doi:10.1108/neje-18-02-2015-b002

The impact of immigrant entrepreneurs℉ social capital related motivations

2015· article· en· W2782348562 sur OpenAlexaff
Claudia Gomez, B. Yasanthi Perera, Judith Y. Weisinger, David H. Tobey, Taylor Zinsmeister-Teeters

Notice bibliographique

RevueNew England journal of entrepreneurship · 2015
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésSocial capitalImmigrationEthnic groupEntrepreneurshipEthnic communityCapital (architecture)Individual capitalBusinessSociologyDemographic economicsEconomic growthPolitical scienceFinancial capitalEconomicsHuman capitalSocial scienceFinanceGeography

Résumé

récupéré en direct d'OpenAlex

The immigrant entrepreneurship literature indicates that immigrant entrepreneurs reap numerous benefits from their co-ethnic communities℉ social capital. These benefits, however, often come at a price because scholars note the potential for this community social capital to impose limitations on the entrepreneurs. While the literature largely focuses on the benefits of social capital, there is no research on what motivates the immigrant entrepreneurs to engage with their co-ethnic community in terms of contributing to, and utilizing, their co-ethnic communities℉ social capital, and the consequences these may have on their enterprises. Addressing this gap in the literature is important in the development of successful immigrant enterprises. Thus, based on a model posited by Portes and Sensenbrenner (1993), we suggest that immigrant entrepreneurs℉ motivations will influence their use of, and contributions to, co-ethnic community social capital, impacting, in turn, business success. We contribute to both the immigrant entrepreneurship and social capital research through exploring how entrepreneurs℉ motives, with respect to their co-ethnic communities℉ social capital, influence business success.

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)0,002
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,258
Score d'incertitude au seuil0,835

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,037
Tête enseignante GPT0,305
Écart entre enseignants0,268 · 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.

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

Citations23
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNew England journal of entrepreneurshipMême sujetMigration, Ethnicity, and EconomyTravaux en français237 207