MétaCan
Menu
Retour à la cohorte
Enregistrement W4283828399 · doi:10.5465/ambpp.2022.53

The Unintended Consequences of Supportive Institutional Infrastructure on Social Ventures

2022· article· en· W4283828399 sur OpenAlexaff
Clodia Vurro, Peter A. Dacin, Derin Kent

Notice bibliographique

RevueAcademy of Management Proceedings · 2022
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueCommunity Development and Social Impact
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésUnintended consequencesThrivingSocial entrepreneurshipPublic relationsBusinessNew VenturesContext (archaeology)Action (physics)Social WelfareEconomic systemSociologyEconomicsPolitical scienceEntrepreneurshipFinance

Résumé

récupéré en direct d'OpenAlex

Social ventures—newly founded organizations that blend social welfare and commercial logics to deliver innovation for societal change—while becoming an increasingly popular choice of organizational form for addressing complex social problems, often leave social entrepreneurs faced with tensions and trade-offs stemming from multiple and oftentimes contradictory social and business logics. Although tension is intrinsic to the hybridity of social ventures, it can also be unintendedly induced by the context in which social entrepreneurial activities occur. Extending current understanding of the complex role of institutions in both facilitating and hindering the effectiveness of social ventures, our research identifies conditions under which institutional infrastructures meant to coordinate action around a given social problem, unintendedly threaten the effectiveness of social ventures thriving to contribute to solving the problem. Our proposed theoretical framework suggests that, depending on the level of centralization and multiplicity of actors in the institutional infrastructure, social ventures face legitimating and organizing tensions that are likely to threaten their ability to address and manage social-business tensions and, thus, their ability to produce intended results. This enhanced understanding of institutional configurations and related unintended consequences allows us to provide a number of suggestions regarding institutional correction mechanisms targeted at mitigating the likelihood of causing unexpected drawbacks.

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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,503
Score d'incertitude au seuil0,508

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 technologies0,0010,000
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 Opus0,049
Tête enseignante GPT0,270
Écart entre enseignants0,221 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetCommunity Development and Social ImpactTravaux en français237 207