MétaCan
Menu
Retour à la cohorte
Enregistrement W4387645560 · doi:10.1504/ijesb.2023.134173

From perceptions to performance to business intentions: what do women and men entrepreneurs really see

2023· article· en· W4387645560 sur OpenAlexaff
Dafna Kariv, Oren Kaplan, Mihai Ibanescu, Luis Cisneros

Notice bibliographique

RevueInternational Journal of Entrepreneurship and Small Business · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésPerceptionEntrepreneurshipContingencyPsychologySocial psychologyMarketingPublic relationsBusinessPolitical scienceFinance

Résumé

récupéré en direct d'OpenAlex

This study aims to decipher women and men entrepreneurs' pursuant intentions related to their entrepreneurial business' contingency by decoding their perceptions of the environment as opportunities or hurdles to their subsequent financial performance. Drawing on the effectuation model and entrepreneurial self-efficacy, our study reinforces findings on gender differences in perceptions of opportunities and hurdles, particularly on women's higher levels of hurdle as well as opportunity perceptions, revealing women's wider range of financial performance relative to men based on their hurdle and opportunity perceptions. Contradicting some existing research, our study revealed gender similarities in the perceptual 'conversion' of hurdles and opportunities into business intentions, hence introducing novel perspectives on these relations. Implications of the gender and effectuation perspectives for higher education are discussed.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante
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 enseignants0,113
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0020,002
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 GPT0,249
Écart entre enseignants0,228 · 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

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Entrepreneurship and Small BusinessMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207