Exploring the gendered entrepreneurial identity gap: implications for entrepreneurship education
Notice bibliographique
Résumé
Purpose Women are underrepresented in most university entrepreneurship education (EE) programmes and less likely than men to pursue business venturing as a career. One reason may be the “entrepreneurial identity gap”, whereby female students do not see themselves as successful entrepreneurs. This paper aims to explore the nature of this identity gap and its relationship to entrepreneurial intent and entrepreneurship education. Design/methodology/approach A set of contemporary, gender-inclusive entrepreneurial attributes was developed using entrepreneurial subject matter experts and tested with 591 university students to explore the nature of the gendered entrepreneurial identity gap. Findings While masculine stereotypes persist and the entrepreneurial identity gap is larger for female students, results suggest that a more gender-inclusive vocabulary of entrepreneurship is emerging among the student population and an androgynous perception of the idealized entrepreneur. Entrepreneurship education had a positive influence on entrepreneurial intent. Research limitations/implications Study findings advance the conversation about entrepreneurial identity, the nature of the gendered identity gap and the role of education in closing that gap. The questionnaire and set of gender-inclusive attributes should continue to be tested beyond student samples. Practical implications Based on this study, entrepreneurship education could benefit from more gender-inclusive instructional practices and vocabulary and a broadened definition of what it means to be entrepreneurial. More students – both men and women – will see themselves as entrepreneurs and be inspired to participate in the innovation economy. Originality/value This study takes a novel approach to the study of entrepreneurial identity, developing a new set of attributes and contemporary vocabulary around business venturing.
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 | 0,019 | 0,028 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,005 | 0,007 |
| Communication savante | 0,006 | 0,009 |
| Science ouverte | 0,001 | 0,008 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,000 |
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.
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 ».