MétaCan
Menu
Retour à la cohorte
Enregistrement W4385313152 · doi:10.29105/revin20.39-404

Determinantes del Desempeño de las Pequeñas Empresas en México: Un Estudio Empírico

2023· article· es· W4385313152 sur OpenAlexaff
José Codina, Yves Robichaud, Jean Charles Cachon, Egbert McGraw

Notice bibliographique

RevueRevista Innovaciones de Negocios · 2023
Typearticle
Languees
DomaineBusiness, Management and Accounting
ThématiqueFamily Business Performance and Succession
Établissements canadiensUniversité de MonctonLaurentian University
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical scienceGeographyArt

Résumé

récupéré en direct d'OpenAlex

¿Qué factores determinan el desempeño de las pequeñas empresas con cinco o menos empleados? Con base en un marco conceptual ya utilizado en Argentina y en investigaciones anteriores, se utilizó una muestra de 174 empresarios mexicanos de dos diferentes estados (Jalisco y Nuevo León) para probar un conjunto de nueve hipótesis. Las variables dependientes de desempeño puestas en prueba fueron una objetiva, las ventas y una subjetiva, la evaluación personal de desempeño (o éxito) de los empresarios. Las variables independientes consideradas incluirán las características personales, sociológicas y organizativas. Los resultados se obtuvieron a partir de dos modelos de regresión lineal sobre dos variables dependientes. En cuanto a las características personales, las variables que se relacionaron positivamente con las ventas incluyeron 3 componentes de Capital Humano (Nivel de estudio, experiencia empresarial y horas semanales trabajadas) en el autoempleo por necesidad económica, y la pertenencia al género masculino. En cuanto a las variables organizativas, los empresarios con mayores ventas habían obtenido préstamos bancarios y habrían impulsado su negocio (por oposición de empezarlo desde cero) y tenían razones de necesidades económicas (extrínsecas) razones para estar en el negocio. Los empresarios que trabajan muchas horas y habían obtenidos ayudas del gobierno eran propensos a estar más satisfechos de su propio rendimiento que los demás.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,145
Score d'incertitude au seuil0,288

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,018
Tête enseignante GPT0,267
Écart entre enseignants0,249 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista Innovaciones de NegociosMême sujetFamily Business Performance and SuccessionTravaux en français237 207