MétaCan
Menu
Retour à la cohorte
Enregistrement W4385224056 · doi:10.5465/amproc.2023.268bp

How Institutional Logics Influence Growth: A Field Experiment with Tunisian Women Entrepreneurs

2023· article· en· W4385224056 sur OpenAlexaff
Kylie Heales, Angelique Slade Shantz, Desirée F. Pacheco, Luciano Barin Cruz, Charlene Zietsma

Notice bibliographique

RevueAcademy of Management Proceedings · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensHEC MontréalUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésEntrepreneurshipInstitutional theoryAffect (linguistics)EmpowermentContext (archaeology)Institutional logicPromotion (chess)Field (mathematics)Investment (military)Social psychologySociologyPublic relationsPsychologyEconomicsPolitical scienceEconomic growthPoliticsSocial science

Résumé

récupéré en direct d'OpenAlex

Entrepreneurial training programmes promoting women’s entrepreneurship in low- and middle-income countries command significant global attention and concomitant resources. Despite this broad investment, many ventures in these contexts fail to grow. Prior research suggests that institutionalized patterns of behaviors, in part dictated by institutional logics, may cause this lack of growth. In the context of Tunisian female entrepreneurship, this research explores the effects of community and market logics on entrepreneurial growth outcomes. Using a field experiment, we demonstrate that institutional logics affect the growth aspirations of entrepreneurs through individual empowerment and emotional energy. This research has theoretical implications for institutional logics, entrepreneurial growth, and emotions literatures. Firstly, institutional logics affect entrepreneurial growth outcomes. Secondly, logics are processed by individuals through both cognitive (empowerment) and social (emotions) constructs and we contribute to knowledge of the integrated macro to micro psychological and social processes of institutional logics. Finally, cultural differences explain why logics do not have the expected effects we think they may in the promotion of Western neoliberal entrepreneurial training programs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,652
Score d'incertitude au seuil0,947

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,002
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,232
Écart entre enseignants0,212 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207