MétaCan
Menu
Retour à la cohorte
Enregistrement W2991277830 · doi:10.1007/s11187-019-00302-1

Progress or pinkwashing: who benefits from digital women-focused capital funds?

2019· article· en· W2991277830 sur OpenAlexaffabout
Barbara Orser, Susan Coleman, Yanhong Li

Notice bibliographique

RevueSmall Business Economics · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFamily Business Performance and Succession
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésMainstreamEntrepreneurshipVenture capitalCapital (architecture)Women entrepreneursEntrepreneurial financeElement (criminal law)Equity (law)BusinessSituatedFemale entrepreneursFinancePublic relationsAccountingEconomicsPolitical scienceLaw

Résumé

récupéré en direct d'OpenAlex

Abstract This paper examines the positioning of gender within women-focused capital funds (WFCFs) to consider the extent to which these digitally enabled sources of finance reflect the tenets of entrepreneurial feminism. Content analysis of 27 funds situated in Canada and the USA informs about fund mandates, rationales, types of capital, and anticipated outcomes. Our findings reveal that a minority of WFCFs examined sought to enhance equity and counter structural barriers associated with women entrepreneurs’ access to financial capital. Alternatively, the majority of WFCFs were positioned as vehicles to facilitate individual wealth creation. Eligibility ranged from multiple gender identities of the business owner to “women-led” businesses—defined as at least one woman executive, board or steering committee member. The latter of these criteria has the effect of diverting attention away from firms that are launched by women entrepreneurs. Pinkwashing was more likely to occur when WFCFs were created as add-ons to mainstream programs and services, rather than as a central element of the organization’s mission of supporting women and non-binary femmes. The findings support arguments that technology can both challenge or reinforce structural constraints that impede women entrepreneurs in the digital era.

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)0,006
score de la tête « metaresearch » (Gemma)0,021
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 enseignants0,014
Score d'incertitude au seuil0,048

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0050,006
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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 GPT0,183
Écart entre enseignants0,164 · 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

Citations44
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSmall Business EconomicsMême sujetFamily Business Performance and SuccessionTravaux en français237 207