Contemporary Perspectives for Technological Entrepreneurship in the Age of Change: Between Success and Resilience
Notice bibliographique
Résumé
Problem: why are some technology entrepreneurship projects successfully, resilient and others not when they are executed in the same ecosystem? Research objectives: to revise conceptual and theoretical portraits of the process of technological entrepreneurship; propose a model that incorporates multidimensional factors that can effectively contribute to the success and resilience of technology entrepreneurship. Methodology: we used the inductive approach and a qualitative exploratory strategy. Private and public companies are our sample for convenience. Results: at the design stage, human capital and relationship capital identify market issues and opportunities. at the implementation and development stage, human, relational, structural, and technological capital are effective levers to generate performance and resilience. Finally, at the marketing and consolidation stage, human, structural, relational, financial, and technological capital have an undeniable contribution. But it is above all the integration of all these factors that generates success and resilience. Implications and limitations: the chapter is useful for researchers, entrepreneurs and governments who will find strategies to enhance the success and resilience of technological entrepreneurship. This research is part of the theory of artificial science. The adoption of an inductive approach and a qualitative strategy is one of its limitations. Future research could use the mixed strategy to extrapolate results.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,010 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,046 |
| Communication savante | 0,011 | 0,019 |
| Science ouverte | 0,001 | 0,009 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 source (Gemma direct ou Codex distillé), 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 ».