How female entrepreneurs build strong business relationships: the power of gender stereotypes
Notice bibliographique
Résumé
Purpose Adopting a feminist constructionist perspective, this article proposes an analysis of the micro-level processes and dynamics of interpersonal, gendered, business relationships between female entrepreneurs, therefore constituting an extension to network theory in the women's entrepreneurship research field. Design/methodology/approach The qualitative research builds on a single, longitudinal case study of a successful, 15-years long collaboration between two female entrepreneurs. Qualitative data were collected over two years, through formal and informal interviews with the entrepreneurs, observations and complementary documentation. The data analysis is based on a grounded theory and narrative approach. Findings The article proposes a thick narrative of the evolution of the dyadic business relationship, and reveals the power of gender role stereotypes in its progressive formation and development. Research limitations/implications The article produces situated knowledge about female entrepreneurs and strong interpersonal business ties. The limitations relate to the specificity of the case analysed, representing the viewpoint of privileged, white, Western, educated and wealthy female entrepreneurs. It therefore does not account for the diversity of women's entrepreneurship. Originality/value The article enriches and extends social network theory in the women's entrepreneurship field through analysing how gender is done in discursive and social practices at the interpersonal level. The case also constitutes an illustration of social feminism in women's entrepreneurial practice, challenging dominant gender stereotypes.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».