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 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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,234
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,005
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,004

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 tête enseignante, pas un consensus.

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