MétaCan
Menu
Retour à la cohorte
Enregistrement W4211113885 · doi:10.1177/09721509221074099

Business Incubators: A Need-Heed Gap Analysis of Technology-based Enterprises

2022· article· en· W4211113885 sur OpenAlexaff
Kishinchand Poornima Wasdani, Abhishek Vijaygopal, Mathew J. Manimala

Notice bibliographique

RevueGlobal Business Review · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensRoyal Roads University
Organismes subventionnairesnon disponible
Mots-clésBusinessIncubationPromotion (chess)MarketingResource (disambiguation)Industrial organizationComputer science

Résumé

récupéré en direct d'OpenAlex

As technology-based enterprises (TBEs) are more promising than non-technology firms, there is a strong case for their incubation and promotion. However, TBEs use incubators not as support providers for idea incubation but to control costs incurred to develop and implement their ideas, thus defying the objective of incubation. Different types of incubators, such as commercial, social and university business incubators (UBIs), have different types of tangible and intangible resource offerings for their incubatees. Entrepreneurs utilize these resources based on their needs to save costs and reduce risks. Drawing from the conversations with the serial incubatees it was evident that once their access to resources at one incubation centre is exhausted, they move to another incubation centre for further fulfillment of their enterprise’s needs. Our analysis based on 20 interviews with the entrepreneurs of TBEs reveals a need-heed gap between the incubatees and incubators, which will have to be reduced for incubators to remain relevant to firms and effective for entrepreneurs.There is a need for a ‘hybridized incubation’ arrangement for TBEs in which incubators will have to pay heed to their roles as providers of specialized resources from both academia and industry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,064

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,016
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0040,004
Études des sciences et des technologies0,0040,004
Communication savante0,0050,008
Science ouverte0,0010,006
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,018
Tête enseignante GPT0,257
Écart entre enseignants0,239 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGlobal Business ReviewMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207