Entrepreneurial logic and fit: a cross-level model of incubator performance
Notice bibliographique
Résumé
Purpose Although business incubators are widely used support mechanisms for innovative entrepreneurship, the literature still lacks theoretically based explanations of how the incubation process creates value for stakeholders. This study aims to address this gap by developing a conceptual model, and related research propositions, that explains how the entrepreneurial logic in use by an incubator influences the incubation process (selection criteria and service offering) and performance. Design/methodology/approach Integrating the effectuation and entrepreneurial opportunities literature, which shares common conceptualizations about how the predictability of the future affects entrepreneurial action, the authors posit two archetypes of entrepreneurial logic that are associated with different incubation processes (causal or effectual) and two archetypes of opportunity attributes (discovery- or creation-based) that affect the incubation process needed to support their development. Findings Juxtaposing these archetypes, the proposed cross-level conceptual model specifies four levels of fit (ideal, surplus, deficit and mismatch) between the incubation process and the opportunity attributes of individual ventures, which directly influence venture performance (high, moderate and low). In turn, an incubator's performance is largely shaped by the overall performance of ventures in its portfolio. Originality/value This paper responds to the call for theory-building that links the antecedents and outcomes of the incubation process across levels of analysis. In addition to developing a conceptual model and research agenda at the intersection of entrepreneurship and business incubation, the proposed model also has implications for incubator directors deciding how to allocate limited resources, and for public/private sector administrators interested in leveraging investment in business incubators.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,018 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».