Social Skills Improve Business Performance: Evidence from a Randomized Control Trial with Entrepreneurs in Togo
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Recent field experiments demonstrate that advice, mentorship, and feedback from randomly assigned peers improve entrepreneurial performance. These results raise a natural question: what is preventing entrepreneurs and managers from forming these peer connections themselves? We argue that entrepreneurs may be under-networked because they lack the necessary social skills—the ability to communicate effectively and interact collaboratively with new acquaintances—that allow them to match efficiently with knowledgeable peers. We use a field experiment in the context of a business training program in Togo to test if a short social skills training module increases the number and complementarity of peers that participants choose to learn from. We find that social skills training led entrepreneurs to match with 50% more peers and that more of those matches were based on complementary managerial skill. Finally, the training also increased entrepreneurs’ monthly profits by approximately 20%. Further analyses point to improvements in networking and advice as the drivers of performance improvements. Our findings suggest that social skills help entrepreneurs build relationships that create value for both themselves and their peers. This paper was accepted by Alfonso Gambardella, business strategy. Funding: This work was supported by the Ewing Marion Kauffman Foundation [Dissertation Fellowship] and the Strategic Management Society [SRF Dissertation Fellowship]. Supplemental Material: The online appendix and data are available at https://doi.org/10.1287/mnsc.2022.4334 .
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| 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 découle