The Role of Embeddedness of Migrant Start-ups in Local Entrepreneurial Ecosystems During the COVID-19 Crisis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
As with all start-ups, the COVID-19 pandemic has led to a changing environment for migrant start-ups. These changes have posed many challenges to altering strategic behaviour and approaches to driving business. We explored migrant start-ups’ embeddedness in entrepreneurial ecosystems by analysing data from 14 semi-structured interviews with start-ups from Berlin's knowledge-intensive business services sector. We argue that the success of migrant start-ups during crises is dependent mainly on the embeddedness in the local entrepreneurial ecosystem. Thus, we expect entrepreneurs to utilise local networks, infrastructures and interactions to help them cope with the challenges and pave the way for local and international business activities. Our results indicate that embedding in local entrepreneurial ecosystems and a sense of belonging, especially during the business formation phase, play a vital role for migrant start-ups in general and crisis. Revitalising the concept of local embeddedness while considering business development stages, this study challenges the prevailing notion of transnational networks as the sole determinant of entrepreneurial success. Instead, we advocate for greater recognition of the significance of accessing local resources, including market knowledge, social relationships, and institutional support, as fundamental factors driving business development and crisis management within the host country. By recognising and nurturing these local resources, policymakers and support organisations can create an enabling environment that empowers migrant start-ups to thrive, adapt, and contribute to the local EE and economic wealth.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle