MétaCan
Menu
Retour à la cohorte
Enregistrement W4391225251 · doi:10.1007/s11846-024-00727-3

Host versus home country influence on the immigrant entrepreneurial process: an imprinting perspective

2024· article· en· W4391225251 sur OpenAlexaboutno aff
Mai Thi Thanh Thai, Amon Simba, Marina Dabić

Notice bibliographique

RevueReview of Managerial Science · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensnon disponible
Organismes subventionnairesJavna Agencija za Raziskovalno Dejavnost RS
Mots-clésImprinting (psychology)ImmigrationPerspective (graphical)Host (biology)BusinessDemographic economicsEconomicsGeographyBiologyEcologyComputer scienceGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Since its first use in organisational research, nearly five decades ago, imprinting has gained recognition in entrepreneurship studies. Accordingly, this study utilises the behavioural concept to develop new theorisations to account for the entrepreneurial processes of immigrant entrepreneurs. It pays attention on its effects on immigrant entrepreneurs, particularly when it comes to their decision–making and behaviours towards business creation in Canada. A comprehensive analysis of a dataset generated from a systematically selected group of immigrant entrepreneurs revealed the complexity of their imprints at various stages of their entrepreneurial cycle in the North American country. It emerged that imprinting not only modified their behaviours, attitudes and cognition, but also shaped the trajectory of their entrepreneurial processes. That is, their imprints had an effect on how they identified business opportunities, the types of businesses they pursued, their level of entrepreneurial drive, and the types of resources they acquired or accessed in their new environment. Notably, following a period of normalisation in their new surroundings, their original imprints changed due to diminishing affinity with their country-of-origin. This holds research and policy implications as it uncovers an unfolding but less-understood entrepreneurship phenomenon.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0030,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,018
Tête enseignante GPT0,335
Écart entre enseignants0,317 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
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

Citations9
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueReview of Managerial ScienceMême sujetMigration, Ethnicity, and EconomyTravaux en français237 207