Growth of Venture Firms under State Capitalism with Chinese Characteristics: Qualitative Comparative Analysis of Fuzzy Set
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
This study builds upon the venture growth literature and venture legitimation mechanisms and investigates how venture firms in China can acquire legitimacy and necessary resources from state stakeholders for venture growth during the COVID-19 pandemic. To offer a context-specific perspective of Chinese ventures’ legitimation strategies, we discuss that under Chinese state capitalism, these ventures need to follow lingering socialist values, such as equality and social stability, to be recognized as appropriate business operations by state audiences. Furthermore, we discuss that access to necessary resources for venture growth is limited during crises. Based on the understanding of particular contexts of Chinese state capitalism and the COVID-19 pandemic, we examine how various sets of a venture’s identity, associative, and organizational mechanisms influence venture growth during crises in China. In addition, we consider serial entrepreneurship as a contextual factor affecting the effectiveness of causal effects. This study applies the fuzzy-set qualitative comparative analysis method to take a configurational approach and identify multiple concurrent causality of legitimacy mechanisms on venture growth. We conduct a survey and analyze data from 107 entrepreneurs of Chinese technology ventures during the COVID-19 pandemic. Findings show that Chinese ventures with or without repeat entrepreneurs can actively utilize various sets of legitimation mechanisms to acquire legitimacy and necessary resources from Chinese state audiences for venture growth during adversity. This study provides comprehensive understanding and practical implications on Chinese ventures’ legitimation strategies for venture growth during crises.
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.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,000 | 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 découle