MétaCan
Menu
Retour à la cohorte
Enregistrement W2963615305 · doi:10.1177/0894486519863508

What Do We Know About Business Families? Setting the Stage for Leveraging Family Science Theories

2019· article· en· W2963615305 sur OpenAlexaff
James G. Combs, Kristen K. Shanine, Sarah Burrows, Jared Shaw Allen, Troy Wesley Pounds

Notice bibliographique

RevueFamily Business Review · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFamily Business Performance and Succession
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésFamily businessSociologyComputer scienceMarketingBusiness

Résumé

récupéré en direct d'OpenAlex

Researchers recently pointed to family science as one avenue for better understanding business families. We submit, however, that leveraging family science will require building on what researchers have already learned, often without the benefit of family science theories. Thus, we review progress from studies that investigate links between business family attributes and family firms and integrate our review with descriptions of family science theories that pertain to each attribute. By pairing what is known about different business family attributes with the appropriate family science theories, our hope is to accelerate efforts to understand the myriad ways business families shape family businesses.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,893
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,008
Études des sciences et des technologies0,0020,001
Communication savante0,0040,014
Science ouverte0,0020,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,020
Tête enseignante GPT0,267
Écart entre enseignants0,247 · 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.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations131
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFamily Business ReviewMême sujetFamily Business Performance and SuccessionTravaux en français237 207