MétaCan
Menu
Retour à la cohorte
Enregistrement W2963786041 · doi:10.1002/sej.1329

Professionalizing entrepreneurial firms: Managing the challenges and outcomes of founder‐CEO succession

2019· article· en· W2963786041 sur OpenAlexaff
Caroline Kaehr Serra, Jana Thiel

Notice bibliographique

RevueStrategic Entrepreneurship Journal · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensMcGill University
Organismes subventionnairesSanta Clara University
Mots-clésBusinessMarketingWorkforceLimitingSuccession planningPublic relationsIndustrial organizationEconomicsPolitical scienceFinanceEconomic growth

Résumé

récupéré en direct d'OpenAlex

Abstract Research summary The transition from a founder‐led start‐up to a professionally managed firm entails significant change in the firm's organizational design. This transition can constitute a critical juncture for the entrepreneurial firm, and there is a risk of losing key talent. We posit that limiting the disruptive effect of changing organizational structures requires organizational members to not only adopt new roles but also embrace new behavioral norms regarding how the firm operates. We use an inductive multicase study paired with exogenous data on company morale to explore outcome variation in such transitional processes and elicit managerial strategies that can guide successful founder‐CEO succession and the accompanying organizational change of the entrepreneurial firm. Managerial summary Adapting the organizational structures of an entrepreneurial firm to match the needs of its expanding operations represents a critical moment in a firm's life. During this phase, the founder‐CEO is often replaced by a professional CEO. This event coupled with reorganization can be highly unsettling for the venture's workforce and can lead to turnover with negative performance implications. To minimize disruption, we studied change strategies employed by incoming professional CEOs. We find that most effective CEOs jointly use three change levers—change readiness activation, shared pathway creation, and founder legacy fairness—to help team members adapt to the new situation and align their behaviors with how mature firms operate.

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)0,011
score de la tête « metaresearch » (Gemma)0,033
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,059

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,033
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0050,002
Communication savante0,0060,002
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,043
Tête enseignante GPT0,273
Écart entre enseignants0,230 · 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'étudeQualitatif
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

Citations41
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrategic Entrepreneurship JournalMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207