Motivation and the careers of agricultural entrepreneurs in Ivory Coast
Notice bibliographique
Résumé
Purpose Following an incursion into the business world as an entrepreneur, many people go back to being salaried workers or unemployed. Using self-determination theory (SDT), this study aims to test the effects of self-determined motivation of Ivorian agricultural entrepreneurs on career retention, career satisfaction and subjective well-being. Design/methodology/approach The sample under study consisted of 171 agricultural entrepreneurs in the Ivory Coast who owned their businesses. Research hypotheses were tested using structural equation modelling. Findings The findings reveal that the degree of self-determination in the motivation of Ivorian agricultural entrepreneurs does not have a direct effect on their intention as to whether or not to remain an entrepreneur. The findings nevertheless show that the more the degree of motivation of Ivorian agricultural entrepreneurs is self-determined, the greater satisfaction they experience with their entrepreneurial career and the higher their subjective well-being. The findings also show that satisfaction with the entrepreneurial career is a predictor of career retention among Ivorian agricultural entrepreneurs. In addition, career retention and subjective well-being are reciprocally linked, as are subjective well-being and career satisfaction. Practical implications Career retention of agricultural entrepreneurs in the Ivory Coast can be achieved through career satisfaction and self-determined motivation. Originality/value Based on previous studies on SDT in an organizational context, this study is, to the best of the knowledge, the first to have tested a theoretical model that can explain career retention, career satisfaction and subjective well-being among entrepreneurs. This research brings to light these processes among agricultural entrepreneurs in Ivory Coast.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».