Model of Key Factors in the Sustainable Growth of Small and Medium-Sized Enterprises Belonging to the First Nations
Notice bibliographique
Résumé
The search for better living conditions, hand in hand with economic development, is a desire shared by all peoples; the First Nations are no exception. In this sense, entrepreneurship is one of the ways to improve incomes and quality of life, both in industrialized and developing societies, which is considered a potential strategy for economic development. This exploratory research presents a model that explains, through causal relationships, the growth of Small and Medium-sized Enterprises (SMEs) belonging to the First Nations, based on the results coming from the analysis conducted within one of the most important First Nations in the Americas, the Mapuche people, located in South America (mainly Argentina and Chile). The framework was developed from interviews with entrepreneurs and owners of Mapuche SMEs, along with an exhaustive analysis carried out through the use of Partial Least Squares (PLS). The owners were consulted about their attitude towards variables that generate accelerated growth in entrepreneurship in different contexts around the world. Subsequently, a model of inter-relationships was generated that sought to explain which variables are determining factors in the growth of SMEs belonging to the First Nations. Through a process of evaluation and depuration, the model proposed here was arrived at, concluding that Constant Training and Commitment to Growth are the most relevant factors in the growth of these companies. Both of these factors are supported by Long-Term Customer Relationships, Differentiation by Quality, Business Skills, and Business Structure, with a special focus on sustainable development.
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 | 0,002 | 0,002 |
| 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) | 0,000 | 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 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 ».