MétaCan
Menu
Retour à la cohorte
Enregistrement W3045152673 · doi:10.1007/s11187-020-00380-6

New and small firms in a modern working life: how do we make entrepreneurship healthy?

2020· article· en· W3045152673 sur OpenAlexaff
Magnus Klofsten, Ellen MacEachen, Christian Ståhl

Notice bibliographique

RevueSmall Business Economics · 2020
Typearticle
Langueen
DomaineHealth Professions
ThématiqueEmployment and Welfare Studies
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesLinköpings Universitet
Mots-clésEntrepreneurshipVariety (cybernetics)Work (physics)Field (mathematics)Public relationsAffect (linguistics)SociologyMental healthEngineering ethicsMarketingBusinessPolitical sciencePsychologyEngineeringComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract The interplay between health, entrepreneurship and small and emerging businesses is a research field receiving growing interest. Studies point to both health-related risks and opportunities, which have implications for the social and economic lives of entrepreneurs and employees in small and new firms. Research has been carried out in different disciplines, which have contributed in different ways to the understanding of this inquiry. As the field is still premature and interdisciplinary in nature, there is a need to establish boundary-crossing avenues for developing new knowledge on the topic. This ambition has led to the development of this special issue. The issue includes results from original research on working life challenges encountered by small and new businesses, approached from a variety of disciplines. In this introduction, we begin by tracing an overarching framework, to which we add brief descriptions of the contributing papers. To conclude, we outline future research goals and discuss how issues around mental health, regulation and work environment inspections, race, disability and gender issues and the growing gig economy will affect the conditions for healthy entrepreneurial work.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,231
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,136
Tête enseignante GPT0,312
Écart entre enseignants0,176 · 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

Citations18
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmall Business EconomicsMême sujetEmployment and Welfare StudiesTravaux en français237 207