MétaCan
Menu
Retour à la cohorte
Enregistrement W3008129294 · doi:10.1177/0266242619901058

Mentoring for entrepreneurs: A boost or a crutch? Long-term effect of mentoring on self-efficacy

2020· article· en· W3008129294 sur OpenAlexaff
Étienne St-Jean, Maripier Tremblay

Notice bibliographique

RevueInternational Small Business Journal Researching Entrepreneurship · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensUniversité LavalUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésPsychologyTerm (time)Sample (material)Longitudinal study

Résumé

récupéré en direct d'OpenAlex

This study focuses on whether a mentor can facilitate the development of entrepreneurial self-efficacy particularly with regard to opportunity recognition (ESE-OR) for novice entrepreneurs and whether their level of learning goal orientation (LGO) has a moderating effect. Based on a sample of 219 mentees and a longitudinal follow-up for 106 of these respondents, the results show that mentoring supports the development of ESE-OR, but only for low LGO mentees. Furthermore, the effect of mentoring on ESE-OR for low LGO mentees is ephemeral as it decreases once the relationship ends. This suggests the need for long-term support in order to maintain their ESE-OR high throughout the entrepreneurial endeavour. At the opposite end, high-LGO mentees see their ESE-OR slightly decline in an intense mentoring relationship suggesting that mentoring helps to adjust ESE-OR to a more appropriate level for novice entrepreneurs.

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)0,001
score de la tête « metaresearch » (Gemma)0,007
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,085
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,073
Tête enseignante GPT0,331
Écart entre enseignants0,258 · 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'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

Citations57
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Small Business Journal Researching EntrepreneurshipMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207