MétaCan
Menu
Retour à la cohorte
Enregistrement W2995210167 · doi:10.5267/j.msl.2019.11.034

The role of cooperative mediation in increasing the number of entrepreneurs: Case study of the DKI credit cooperative

2019· article· en· W2995210167 sur OpenAlexvenueno aff
Febrizal Rahmana, Agung Sudjatmoko, Aini Farmani

Notice bibliographique

RevueManagement Science Letters · 2019
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueSMEs Development and Digital Marketing
Établissements canadiensnon disponible
Organismes subventionnairesBinus University
Mots-clésMediationBusinessMarketingSociologySocial science

Résumé

récupéré en direct d'OpenAlex

Even though the investment sector generally governs economic growth in developed countries. Indonesia's economic growth so far has been dominated by the consumption sector. On the other hand, one of the significant contributors to the investment sector is the entrepreneurs' role in any country. Therefore, the challenge for Indonesia is to make the entrepreneurs reach substantial contributions. This study investigates on three variables; namely entrepreneurial orientation, cooperatives, and entrepreneurs. Entrepreneurial orientation is the exogeneous variable, cooperative is the mediator variable and, the entrepreneur is the endogenous variable. These three variables are formed into three sub-models and one complete model. Each sub-model is to find out whether the dimensions contribute to each variable, and the entire model is to find out a significant relationship among the variables. The method used is the structural equation model (SEM), with computer software LISREL. This research will produce a breakthrough in how cooperative can mediate from entrepreneurial orientation to entrepreneurs. Besides, the study will deliver how cooperative stakeholders to get some understanding of entrepreneurial orientation so that cooperatives as an institution can persuade members of organizations to become entrepreneurs to be ready to contribute to economic growth. Moreover, the results provide the science of sustainable management on how to apply creativity and innovation to the cooperative organization.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,568
Score d'incertitude au seuil0,354

Scores Codex et Gemma par catégorie

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

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 Opus0,009
Tête enseignante GPT0,266
Écart entre enseignants0,257 · 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.

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 revueManagement Science LettersMême sujetSMEs Development and Digital MarketingTravaux en français237 207