MétaCan
Menu
Retour à la cohorte
Enregistrement W4220976904 · doi:10.3389/fsoc.2022.843101

Established and Nascent Entrepreneurs: Comparing the Mental Health, Self-Care Behaviours and Wellbeing in Singapore

2022· article· en· W4220976904 sur OpenAlexaboutno aff
Jiankun Gong, Zezheng Xu, Sherry Xueli Wang, Mingyan Gu, PuayChin Ong, Yuanzhe Li

Notice bibliographique

RevueFrontiers in Sociology · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueAttention Deficit Hyperactivity Disorder
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésMental healthEntrepreneurshipPsychologyAffect (linguistics)Quarter (Canadian coin)CategorizationPopulationDevelopmental psychologySociologyPsychiatryPolitical scienceGeographyDemography

Résumé

récupéré en direct d'OpenAlex

Mental health problems currently affect a quarter of the world's population. Recent research in western societies has started to examine the relationship between entrepreneurship and mental health problems such as Attention Deficit Hyperactivity Disorder (ADHD) and dyslexia. However, little has been done to categorize entrepreneurs into different types and investigate how their levels of mental health and well-being correspond to these types. This study divided entrepreneurs into established and nascent categories and examined this topic in Singapore. By distributing two sets of surveys, a total of 834 responses were collected, with 346 responses from established entrepreneurs and 488 responses from nascent ones. The results showed that the nascent entrepreneurs' levels of well-being were found to be much lower than those of the established entrepreneurs. Furthermore, entrepreneurs with ADHD or dyslexia symptoms generally had a much lower level of life satisfaction, compared with those without. However, the self-care behaviours observed in this sample differed somewhat from observations made in western societies, which might be explained by the different cultures and habits in Singaporean society. The findings not only highlight the need for relevant organizations to support nascent entrepreneurs but serve to remind veteran entrepreneurs to practice more healthy self-care behaviours.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,207
Score d'incertitude au seuil0,428

Scores Codex et Gemma par catégorie

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

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 GPT0,292
Écart entre enseignants0,274 · 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 tête enseignante, 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in SociologyMême sujetAttention Deficit Hyperactivity DisorderTravaux en français237 207