Innovation Capacity and Entrepreneurial Intention: The Moderating Effects of Entrepreneurial Atmosphere
Notice bibliographique
Résumé
There is natural relationship between innovative ability and entrepreneurial intentions (EI). Surprisingly, very little attention has been given to this important issue in previous literatures. Combining innovator’s DNA model with social cognitive theory, this paper collects 1263 samples to test the complex link between innovative capacity (operationalized as IC) and EI of potential entrepreneur. In addition, the effects of perceived entrepreneurial atmosphere (EA) on EI are examined. The results show that innovation capacity significantly affects EI, and perceived entrepreneurial desirability (ED) and feasibility (EF) mediates this relationship significantly. EA has direct effect on EI and indirectly changes the effect of IC through moderating the relationship between EF and EI. For robust test, we substitute dependent variable EI with entrepreneurial behavior and repeat the process above. The core results remain unchanged. The difference here is that actual entrepreneurial practice is not affected by attractiveness of start-up, innovator’s confidence to succeed in it is more important. This research confirms the necessary link between innovative capacity and EI, and substantially improves theexplaining efficacy of classical EI models based on personality traits. Our findings indicate that policymakers need to pay more attention to training and improving potential entrepreneurs’ innovative ability and create social atmosphere more suitable for innovators entering the process of starting a new venture. Through increasing attractiveness and the simplicity to be an entrepreneur, government can motivate innovators to be more willing to start a business and also help them succeed at ease.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».