A Carnegie perspective on intermittent risk taking in entrepreneurship
Notice bibliographique
Résumé
Varying risk-taking tendency is an important area of inquiry for the Carnegie perspective. Drawing on organizational learning literature, we develop a model to illuminate the mechanisms that can underlie time-varying risk taking tendency in entrepreneurship. In particular, we delineate conditions under which abrupt risk taking punctuates periods of risk-avoiding behaviors, a pattern that we call "intermittent risk taking." We use serial entrepreneurs whose bouts with risk taking are often depicted as driven by an entrepreneurial itch to illustrate our model. In our conceptualization, decision makers engage in an interplay of experiential and vicarious learning as they move into and out of higher-risk self-employment (i.e., venture creation) with in-between stints in lower-risk wage-employment. Using a computational model to simulate the dynamics of this conceptualization, we find that vicarious learning from satisfied risk-avoiding peers can exert a pull that draws disappointed entrepreneurs into periods of risk avoidance (i.e., wage-employment). However, the moment that the satisfaction of these peers fails to convince, this pull wanes. In effect, the entrepreneur vicariously learns that the grass may not be greener on the other side which then leads them to return into self-employment. The itch for risk taking then recurs not necessarily because risky venture creation offers higher payoffs than risk-avoiding options but because decision makers come to see that risk avoidance may not be a satisfactory alternative either - a conceptualization that adds nuance to prior notions of varying risk tendencies and serial entrepreneurship.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,010 |
| Communication savante | 0,004 | 0,006 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 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 ».