MétaCan
Menu
← Retour à la cohorte
Enregistrement W2937332549 · doi:10.21714/2238-104x2019v9i1-40753

Entrepreneurship and the Face of Janus of Institutions: Stimulus Policies for High-Impact Entrepreneurs in Brazil and Russia

2019· article· en· W2937332549 sur OpenAlexaff
Gilberto Sarfati

Notice bibliographique

RevueTeoria e Prática em Administração · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensImpact
Organismes subventionnairesnon disponible
Mots-clésJanusEntrepreneurshipStimulus (psychology)Face (sociological concept)BusinessPolitical scienceEconomic growthEconomic geographyEconomicsPsychologySociologyFinanceSocial scienceCognitive psychology

Résumé

récupéré en direct d'OpenAlex

Institutional theory has been widely applied to the study of entrepreneurship.Based on the current understanding of the institutional gap, we suggest that the relationship between formal institutions and entrepreneurship in emerging economies is reminiscent of the Face of Janus.Janus is a mythological figure with two faces, one looking backward and the other looking forward.Therefore, he is associated with transition and the chaos connected with the ambiguous relationship between the past and the future.This ambiguity may be seen as characteristic of entrepreneurship in emerging economies.In other words, the Face of Janus that looks backward corresponds to the institutional void, and the face that looks forward corresponds to stimulus policies that promote high-impact entrepreneurs.In this article, we comparatively discuss two case studies in Brazil and Russia.In Brazil, the Agency for Innovation's (Financiadora de Estudos e Projetos -FINEP) INOVAR program while in Russia the Skolkovo Foundation.This article contributes to the entrepreneurship literature by advancing the concept of the institutional void in the context of emerging economies and by identifying strategies to develop high-impact entrepreneurship in two countries that have received little attention in previous articles.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,004
Communication savante0,0040,001
Science ouverte0,0000,003
Intégrité de la recherche0,0010,001
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 Opus0,023
Tête enseignante GPT0,291
Écart entre enseignants0,267 · 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'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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTeoria e Prática em Administração→Même sujetEntrepreneurship Studies and Influences→Travaux en français237 207→