MétaCan
Menu
Retour à la cohorte
Enregistrement W2965198769 · doi:10.1177/1069397119865523

Societal Ethics and Social Entrepreneurship: A Cross-Cultural Comparison

2019· article· en· W2965198769 sur OpenAlexaff
Saurav Pathak, Etayankara Muralidharan

Notice bibliographique

RevueCross-Cultural Research · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésNormativeSocial entrepreneurshipEntrepreneurshipNormative social influenceBusiness ethicsStructural equation modelingApplied ethicsSociologyParallelsInformation ethicsPublic relationsMeta-ethicsSocial psychologyPsychologyPolitical scienceEconomicsLaw

Résumé

récupéré en direct d'OpenAlex

Using multilevel modeling and data from 26 countries that include 93,439 individual-level responses on social entrepreneurship for the year 2015, we seek to understand how societal-level ethical orientations impact the likelihood of individuals engaging in social entrepreneurship. We develop a multidimensional representation of societal ethics, in that we draw close parallels between the three institutional pillars—normative, cognitive, and regulatory—with three forms of ethics and use this understanding to predict their effects on the demand for and supply of social entrepreneurs. We find that low behavioral ethics (normative ethics) at the societal level provides opportunities for individuals to become social entrepreneurs. Furthermore, while unselfishness (cognitive ethics) motivates individuals to become social entrepreneurs, high public-sector ethics (regulatory ethics) provides the institutional support for such entrepreneurs to thrive. We contribute to cross-cultural comparative entrepreneurship by providing ethical antecedents of social entrepreneurship through a deeper understanding of the influence of ethics as national-level institutions.

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)0,003
score de la tête « metaresearch » (Gemma)0,008
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
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 Opus0,168
Tête enseignante GPT0,462
Écart entre enseignants0,294 · 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

Citations16
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCross-Cultural ResearchMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207