MétaCan
Menu
Retour à la cohorte
Enregistrement W3121827061 · doi:10.1016/j.jbusvent.2011.12.001

Are entrepreneurs influenced by risk attitude, regulatory focus or both? An experiment on entrepreneurs' time allocation

2012· article· en· W3121827061 sur OpenAlexaff
Katrin Burmeister–Lamp, Moren Lévesque, Christian Schade

Notice bibliographique

RevueEUR Research Repository (Erasmus University Rotterdam) · 2012
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueInnovations in Educational Methods
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésIncentiveTest (biology)Time allocationWageWork (physics)EntrepreneurshipEconomicsBusinessMicroeconomicsMarketingLabour economicsFinanceManagement

Résumé

récupéré en direct d'OpenAlex

Hybrid entrepreneurs¿ ¿ those who maintain a wage job while starting a new enterprise ¿ outnumber pure entrepreneurs in many countries. Yet, how hybrid entrepreneurs allocate their working hours between these two activities is not well understood. To better understand the relationship between hybrid entrepreneurs' division of time between their wage jobs and new enterprises we develop a model that captures hybrid entrepreneurs' decisions on the tradeoffs between financial risk and return as it relates to time allocation. We test two hypotheses based on utility theory, and challenge them with two hypotheses based on regulatory focus theory in a controlled experiment with 25 early stage entrepreneurs and 29 undergraduate students. In the computer-based experiment, entrepreneurs' and students' time allocation decisions (tied to monetary incentives) are used to test what would motivate them to work more or less hours in their entrepreneurial startups. We find that the actual time allocation decisions of the student group are somewhat in tune with utility theory, but that the entrepreneurs' time allocation decisions are better explained by regulatory focus theory. --------------------------------------------------------------------------------

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,060
Tête enseignante GPT0,391
Écart entre enseignants0,330 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations117
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEUR Research Repository (Erasmus University Rotterdam)Même sujetInnovations in Educational MethodsTravaux en français237 207