Entrepreneurial Ecosystems as Amplifiers of the Lean Startup Philosophy: Management Control Practices in Earliest‐Stage Startups*
Notice bibliographique
Résumé
ABSTRACT Entrepreneurial ecosystems play a key role in the development of startups not only by providing support—such as flexible office space and access to skilled employees, mentors, and investors—but moreover by promoting concrete ideals about “good” entrepreneurship. However, we know less about the role that ecosystems play in managerial practices of startups. In our empirical analysis of management control systems (MCSs) in earliest‐stage startups, we witness a strong influence of entrepreneurial ideals—above all, the Lean Startup philosophy—on the MCSs analyzed. Building on cross‐sectional field study data resulting from a comprehensive field‐immersion strategy and 50 interviews with key actors in an entrepreneurial ecosystem as well as with founder‐managers of startups, we consider the entrepreneurial ecosystem as a collective meso‐level community that mediates between macro‐level institutional pressures and micro‐level practices of startups. We show how this community, through a variety of what we term amplifying mechanisms, actively deinstitutionalizes a legacy entrepreneurial philosophy epitomized by the business plan concept. At the same time, the community propagates the Lean Startup philosophy so that this alternative has become the dominant institutional philosophy in the studied ecosystem and its startups. Due to the amplifying mechanisms exerted by the meso level, startups use MCSs that play a crucial role in the rapid experimentation and learning process toward finding a scalable business model that is characteristic of the Lean Startup philosophy. We highlight that this philosophy of scientific experimentation has, to a significant degree, transformed intuitive entrepreneurial processes into a set of transactions that can be steered and accelerated by MCSs.
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 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 | 0,008 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».