MétaCan
Menu
Retour à la cohorte
Enregistrement W4281571492 · doi:10.1108/ijge-10-2021-0169

Does mentoring reduce entrepreneurial doubt? A longitudinal gendered perspective

2022· article· en· W4281571492 sur OpenAlexaff
Étienne St-Jean, Amélie Jacquemin

Notice bibliographique

RevueInternational Journal of Gender and Entrepreneurship · 2022
Typearticle
Langueen
DomainePsychology
ThématiqueMentoring and Academic Development
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésDyadEntrepreneurshipOriginalityPerspective (graphical)Value (mathematics)PsychologySocial psychologyStereotype (UML)SociologyPolitical scienceCreativity

Résumé

récupéré en direct d'OpenAlex

Purpose Mentoring appears to be a good support practice to reduce entrepreneurial doubt, amongst other things. Although perceived similarity could foster the mentoring relationship, gender dyad composition may also influence doubt reduction for entrepreneurs because of the potential gender stereotype in entrepreneurship. Design/methodology/approach The authors performed longitudinal research based on an initial sample of 170 entrepreneurs supported by a mentor to investigate the evolution of entrepreneurial doubt. Findings This study demonstrates that doubt can be reduced with mentoring, but only temporarily for male mentees. Gender stereotypes may be at play when it comes to receiving the support of a female mentor as entrepreneurship is still, unfortunately, a “male-dominated world.” Receiving support from mentors perceived as highly similar within the dyad does not reduce entrepreneurial doubt. Trusting the mentor is an important aspect, besides gender, in reducing entrepreneurial doubt. Originality/value The research provides insights into the gendered effect of mentoring to reduce entrepreneurial doubt. It shows that gender dyad composition should be taken into consideration when studying mentoring or other similar support to entrepreneurs.

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)0,006
score de la tête « metaresearch » (Gemma)0,018
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,018
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,001
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 Opus0,064
Tête enseignante GPT0,348
Écart entre enseignants0,284 · 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

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Gender and EntrepreneurshipMême sujetMentoring and Academic DevelopmentTravaux en français237 207