MétaCan
Menu
Retour à la cohorte
Enregistrement W4247288302 · doi:10.1504/ijesb.2018.095901

A comparison of the performance of majority female-owned and majority male-owned small and medium-sized enterprises

2018· article· en· W4247288302 sur OpenAlexaffabout
Julio M. de la Rosa, Daouda Sylla

Notice bibliographique

RevueInternational Journal of Entrepreneurship and Small Business · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensStatistics Canada
Organismes subventionnairesnon disponible
Mots-clésBusinessEntrepreneurshipDebtSmall and medium-sized enterprisesDebt financingProfit (economics)FinanceDebt ratioFemale entrepreneursEconomics

Résumé

récupéré en direct d'OpenAlex

This paper examines the impact of majority gender ownership on the following measures of enterprise performance: sales per employee, profit per employee, employment, innovation, ratio of authorised to requested debt financing and interest rate on debt financing. Using Statistics Canada's Survey on Financing and Growth of Small and Medium Enterprises waves of 2011 2014, as well as administrative data from Statistics Canada's Linkable File Environment, we find that gender affected all measures of enterprise performance in 2011, whereas only sales per employee and employment were affected in 2014. In 2011, majority female-owned small and medium-sized enterprises (SMEs) had lower profit per employee than majority male-owned SMEs; they were more likely to be innovative than majority male-owned SMEs; they had lower ratio of authorised to requested debt financing than majority male-owned SMEs; and they also faced higher interest rate on debt financing than majority male-owned SMEs.

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)0,001
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 enseignants0,004
Score d'incertitude au seuil0,438

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 recherche0,0000,000
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 Opus0,047
Tête enseignante GPT0,263
Écart entre enseignants0,216 · 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

Citations19
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Entrepreneurship and Small BusinessMême sujetFirm Innovation and GrowthTravaux en français237 207