Navigating the emerging market context: Performance implications of effectuation and causation for small and medium enterprises during adverse economic conditions in Russia
Notice bibliographique
Résumé
Abstract Research Summary This study aims to broaden the understanding of effectuation and causation by investigating their effectiveness for small and medium enterprises (SMEs) in the emerging market context during adverse economic conditions. We embrace a holistic view of the performance implications of these behavioral logics, theorizing and empirically testing their impact not only on the level of firm performance but also on its variability. The findings suggest that emerging market conditions create significant contingencies in the relationships between effectuation, causation, and firm performance, substantively affecting their effectiveness. In particular, we demonstrate that for the firms affected by adverse conditions, causation brings marginal performance improvements while also making it highly unreliable (variable), whereas effectuation leads to performance improvements coupled with higher reliability. Managerial Summary Entrepreneurial actions can be based on one of two behavioral logics: causation (rigorous forward‐looking analysis, relying on well‐prepared plans, pre‐defined goals, and required resources) or effectuation (leveraging the existing resources and controlling the environmental uncertainty through creating new markets, products, and opportunities). We investigate the effectiveness of these logics for Russian SMEs navigating adversity in the emerging market context. The results suggest that causation leads to performance improvements, yet these become marginal and highly unreliable if a firm finds itself in adverse conditions. Effectuation, on the other hand, is a costly and unreliable strategy in stable times, yet leads to reliable performance improvements in volatile contexts.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».