Fear of failure for entrepreneurs in emerging economies: stress, risk, finances, hard work, and social support
Notice bibliographique
Résumé
Purpose Many entrepreneurs often struggle with the fear of failure, which can be detrimental to both their business and personal well-being. To better understand the factors that contribute to this fear, the authors conducted research on the impact of various obstacles, such as limited financial resources, risk aversion, stress and hard work avoidance, and prior business failures. Additionally, the authors explored the effects of social capital in mitigating these obstacles and their relationship to fear of failure in entrepreneurship. Design/methodology/approach The authors conducted a survey with 440 young Iraqi entrepreneurs using non-probabilistic and purposive methods. The survey instrument included multiple measuring scales, which were provided in both English and Arabic. The authors analysed valid responses using structural equation modelling (SEM) with partial least squares (PLS). Findings The findings show that the fear of failure in entrepreneurship is negatively influenced by factors such as limited financial access, risk aversion, and past business failures. However, aversion to stress and hard work did not have a significant impact. The findings also show that social capital could potentially mitigate these negative factors. Research limitations/implications The theoretical and practical implications of this study manifest in revealing the difficulties entrepreneurs encounter in developing countries like Iraq, where entrepreneurship is vital for economic growth. The study's limitations stem from its focus on one country and the use of a single survey method. Future research could use varied methods across multiple countries for a more comprehensive view. Originality/value This study sheds light on the factors that are obstacles for entrepreneurs to starting a business in emerging economies like Iraq.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,002 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».