MétaCan
Menu
Retour à la cohorte
Enregistrement W3091984724 · doi:10.1080/08276331.2020.1818539

Farmer entrepreneurs in China: an empirical investigation of their motivations, success factors, and challenges faced

2020· article· en· W3091984724 sur OpenAlexaff
Ping Qing, Chongguang Li, Sow Hup Joanne Chan, Shengliang Deng

Notice bibliographique

RevueJournal of Small Business & Entrepreneurship · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensBrock University
Organismes subventionnairesnon disponible
Mots-clésChinaExploitBusinessEntrepreneurshipMarketingFace (sociological concept)Empirical researchSurvey data collectionEconomic growthFinanceEconomicsPolitical science

Résumé

récupéré en direct d'OpenAlex

Many questions remain unanswered regarding Chinese farmer entrepreneurs, who play a critical role in rural China. As there is limited research on this group, this study examines the farmer entrepreneurs’ motivations, success factors, and problems they encounter. Following in-depth interviews, a questionnaire survey was conducted in rural China. Data collected from 380 rural farmer entrepreneurs indicate that they are mainly motivated by physiological and safety needs to start up a business. They build their success on gaining available financial support, good marketing, and aggressive personal characteristics. They face formidable obstacles linked to external financing and improving their managerial capabilities. The findings suggest that access to financial resources is crucial to exploit opportunities the farmers have identified for the startup, growth, and success of entrepreneurial ventures. The findings present policy and managerial implications for stimulating rural entrepreneurship development programs, financing, education, and increasing the mobility of immigrants returning to their land to start entrepreneurial activities.

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)0,001
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 enseignants0,016
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
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 Opus0,082
Tête enseignante GPT0,256
Écart entre enseignants0,174 · 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

Citations20
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Small Business & EntrepreneurshipMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207