MétaCan
Menu
Retour à la cohorte
Enregistrement W3101582194 · doi:10.1177/1465750320969621

Bricolage and MSEs in emerging economies

2020· article· en· W3101582194 sur OpenAlexaff
Amon Simba, Nathanael Ojöng, George Kuk

Notice bibliographique

RevueThe International Journal of Entrepreneurship and Innovation · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésBricolageMainstreamContext (archaeology)Emerging marketsConceptual frameworkIndustrial organizationEconomicsScholarshipBusinessEntrepreneurshipMarketingSociologyEconomic growthPolitical scienceMacroeconomics

Résumé

récupéré en direct d'OpenAlex

This conceptual paper focuses on bricolage and it pays particular attention on the context of micro and small enterprises (MSEs) in resource-constrained environments – a common feature of most emerging economies. Knowledge about the underlying factors that determine bricolage as a common practice among MSEs operating in emerging economies is yet to advance and develop within the mainstream entrepreneurship literature. Much of this scholarship tends to focus on multi-national enterprises (MNEs) in advanced economies and it discusses bricolage as their strategic choice. Such an approach has led to a lack of meaningful theoretical paradigms for defining the business approaches MSEs adopt as a way of mitigating their perennial operational issues inherent in their environment. Thus, in this conceptual paper, which adopts a scoping review approach, we study the constructs of bricolage particularly their application in MSEs operating in emerging economies. From our analysis a fresh deterministic model mapping out the causal factors that give rise to bricolage behaviour in MSEs that operate in difficult conditions emerged. Thus, we contribute to entrepreneurial behaviour theories by identifying distinctive business methods MSEs adopt to withstand operational difficulties inherent in their environments.

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 candidatesaucune
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 enseignants0,095
Score d'incertitude au seuil0,221

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,033
Tête enseignante GPT0,252
Écart entre enseignants0,219 · 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

Citations54
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe International Journal of Entrepreneurship and InnovationMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207