MétaCan
Menu
Retour à la cohorte
Enregistrement W4392379724 · doi:10.3390/admsci14030047

Evaluating Inspiring Factors and Obstacles in the Start-Up of Owned Agri-Preneurial Businesses: Underlying Evidence from South Africa

2024· article· en· W4392379724 sur OpenAlexaff
Isaac Azikiwe Agholor, Ataharul Chowdhury, Ebenezer Olamide

Notice bibliographique

RevueAdministrative Sciences · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensUniversity of Guelph
Organismes subventionnairesUniversity of Mpumalanga
Mots-clésStart upBusinessMarketingEconomic growthEconomicsBusiness administration

Résumé

récupéré en direct d'OpenAlex

Contemporary economies worldwide appreciate the underlying importance of service sectors, culminating in sectorial growth and satisfactory performance of agri-preneurship. This study is premised on two simple explanations that cascaded into two hypothetical questions: (i) Are there inspiring factors for individuals to start up their own agri-preneurship business? (ii) Are there factors hindering individuals from starting up their own agri-preneurship business? These two hypothetical constructs triggered four primary arguments established in the study. This study was conducted in Mbombela local Municipality in category ‘B’, which is made up of the Ehlanzeni District, Mpumalanga South Africa. From a population of 1021 farmers, 458 samples of respondents were obtained and considered to be realistic for the study. The study embraced the mixed research approach, and the field survey was done between the months of February 2022 and June 2022. Descriptive statistics, involving the frequency count and percentages, were used to determine the motives and obstacles of starting up one’s own business. The hypothesis was assessed by employing multinominal logistic regression to determine the relationship between demographic variables and predictor variables. The findings revealed that potential agri-preneurs are affected by an array of inspiring factors in the decision-making process. Further, the results revealed that agri-preneurial spirit is inhibited by numerous challenges. In the shared view of respondents, there was a portmanteau of obstacles impeding the commencement of one’s own business. The results also showed that, in the self-realization variant, age (p < 0.035) and marital status (p < 0.033) were found to be correlated and statistically significant as an inspiration for setting up an agri-preneurship business, while the self-satisfaction variant specified marital status (p < 0.001) to be significant and to negatively (β −1.564) influence inspiration for agri-preneurship. In the independence variant category, two crucial variables, level of formal education (p < 0.005) and farm experience (p < 0.007), were found to be correlated and statistically significant in determining agri-preneurial decisions. This study has several policy propositions: the government and allied stakeholders must consider the motives that inspire potential investors in agriculture. The government must also oversee the reasons for young and old agri-preneurs leaving agri-businesses because of failure. This study underscores the need to subjectively analyze agri-preneurial inspiring factors and obstacles to performance. The contributions of agri-preneurial businesses to economic growth and poverty alleviation justify the need for a concerted effort to motivate potential investors. Another pertinent contribution of the study is highlighting the obstacles of agri-preneurs to enable the government to support and prepare responsive, innovative, and resilient agri-preneurs in South Africa. This paper recommends that starting up one’s own agri-preneurial business is a good idea for abating hunger and unemployment.

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 candidatesaucune
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 enseignants0,100
Score d'incertitude au seuil0,804

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0000,000
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 Opus0,356
Tête enseignante GPT0,397
Écart entre enseignants0,041 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdministrative SciencesMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207