MétaCan
Menu
Retour à la cohorte
Enregistrement W3124239262 · doi:10.7249/wr727

Indian Entrepreneurial Success in the United States, Canada and the United Kingdom

2010· book· en· W3124239262 sur OpenAlexaboutno aff
Robert W. Fairlie, Harry Krashinsky, Julie Zissimopoulos, Krishna B. Kumar

Notice bibliographique

RevueRAND Corporation eBooks · 2010
Typebook
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute on AgingEwing Marion Kauffman Foundation
Mots-clésImmigrationKingdomCensusEarningsEntrepreneurshipEconomic growthPolitical scienceDemographic economicsBusinessEconomicsDemographySociologyPopulationAccounting

Résumé

récupéré en direct d'OpenAlex

Indian immigrants in the United States and other wealthy countries are successful in entrepreneurship.Using Census data from the three largest developed countries receiving Indian immigrants in the world --the United States, United Kingdom and Canada --we examine the performance of Indian entrepreneurs and the causes of their success.We find that in the United States Indian entrepreneurs have average business income that is substantially higher than the national average and is higher than any other immigrant group.High levels of education among Indian immigrants in the United States are responsible for nearly half of the higher level of entrepreneurial earnings while industry differences explain an additional 10 percent.In Canada, Indian entrepreneurs have average earnings slightly below the national average but they are more likely to hire employees, as are their counterparts in the United States and United Kingdom.The Indian educational advantage is smaller in Canada and the United Kingdom contributing less to their entrepreneurial success.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,864
Score d'incertitude au seuil0,590

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,024
Tête enseignante GPT0,246
Écart entre enseignants0,222 · 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'étudeSans objet
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

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRAND Corporation eBooksMême sujetMigration, Ethnicity, and EconomyTravaux en français237 207