Factors Impacting Entrepreneurial Success in Accelerators: Revealed Preferences of Sophisticated Mentors
Notice bibliographique
Résumé
There is a debate within the academic literature as to when during their venture’s development an entrepreneur should augment their identification of a sustainable business model with a consideration of corporate development and financing issues. Drawing upon stakeholder theory, agency theory, and signalling theory, this paper identifies that all three types of development objectives need to be pursued from the very earliest stages of the development of certain ventures. Analysing novel new detailed data, this paper finds that mentor support for a science-based very early-stage venture does not solely depend upon its characteristics upon entering the program but is impacted by interactions between the entrepreneur and potential mentors. In addition, mentors are found to advise entrepreneurs to pursue a broad range of growth objectives as opposed to solely focusing on identifying a sustainable business model. The paper also notes that entrepreneurs who are balanced in the pursuit of their strategic, organizational development, and financing goals are significantly more likely to gain mentor support. One explanation for this later finding is that mentors view an entrepreneur’s understanding of the polycentric nature of venture development as a signal of managerial competence. These findings are consistent across different types of industries and across time. A final contribution of the paper entails a discussion of potential ways to overcome the conflicts of interest that have been previously identified in the literature between angels and venture capitalists financing companies within accelerators. This paper helps resolve debates within the academic entrepreneurship literature and provides insights of interest to practitioners.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».