MétaCan
Menu
Retour à la cohorte
Enregistrement W2911585182 · doi:10.3390/su11040965

Consequences of Cultural Leadership Styles for Social Entrepreneurship: A Theoretical Framework

2019· article· en· W2911585182 sur OpenAlexafffund
Etayankara Muralidharan, Saurav Pathak

Notice bibliographique

RevueSustainability · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensMacEwan University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésEntrepreneurshipSocial entrepreneurshipLeadership styleGovernment (linguistics)NormativePublic relationsSociologySocial psychologyPsychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

The purpose of this conceptual article is to understand how the interplay of national-level institutions of culturally endorsed leadership styles, government effectiveness, and societal trust affects individual likelihood to become social entrepreneurs. We present an institutional framework comprising cultural leadership styles (normative institutions), government effectiveness (regulatory institutions), and societal trust (cognitive institutions) to predict individual likelihood of social entrepreneurship. Using the insight of culture–entrepreneurship fit and drawing on institutional configuration perspective we posit that culturally endorsed implicit leadership theories (CLTs) of charismatic and participatory leadership positively impact the likelihood of individuals becoming social entrepreneurs. Further, we posit that this impact is particularly pronounced when a country’s regulatory quality manifested by government effectiveness is supportive of social entrepreneurship and when there exist high levels of societal trust. Research on CLTs and their impact on entrepreneurial behavior is limited. We contribute to comparative entrepreneurship research by introducing a cultural antecedent of social entrepreneurship in CLTs and through a deeper understanding of their interplay with national-level institutions to draw the boundary conditions of our framework.

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)0,001
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,270
Score d'incertitude au seuil0,603

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,035
Tête enseignante GPT0,292
Écart entre enseignants0,257 · 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'étudeThéorique ou conceptuel
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

Citations22
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSustainabilityMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207