MétaCan
Menu
Retour à la cohorte
Enregistrement W4399283199 · doi:10.3390/world5020019

Digital Technology as a Disentangling Force for Women Entrepreneurs

2024· article· en· W4399283199 sur OpenAlexaff
Aidin Salamzadeh, Léo‐Paul Dana, Javad Ghaffari Feyzabadi, Morteza Hadizadeh, Haleh Eslahi Fatmesari

Notice bibliographique

RevueWorld · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésWomen entrepreneursBusinessMaterials scienceEntrepreneurship

Résumé

récupéré en direct d'OpenAlex

This study investigates the empowering potential of digital technologies for women entrepreneurs, a transformative force that transcends all fields of knowledge. It specifically examines how technology can equip women to overcome socio-cultural and economic barriers, focusing on the case of Iran. The research employs a mixed-methods approach, utilizing a literature review within the qualitative framework to identify key empowerment drivers. Subsequently, a quantitative approach leverages DEMATEL to pinpoint the most impactful drivers. This investigation aims to provide stakeholders with actionable insights, highlighting the critical role of technology in fostering equitable and sustainable economic advancement for women entrepreneurs. Furthermore, the study emphasizes the importance of gathering information from a developing nation like Iran, as its findings can hold significant implications for other countries experiencing similar developmental stages. Ultimately, the research seeks to inform the creation of effective policies, support initiatives, and educational programs. These interventions aim to empower women entrepreneurs to leverage digital tools for sustainable business growth, ultimately contributing to a more equitable and environmentally conscious future.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,027

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0040,005
Communication savante0,0060,005
Science ouverte0,0000,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,010
Tête enseignante GPT0,236
Écart entre enseignants0,226 · 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'étudeQualitatif
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

Citations38
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWorldMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207