Dynamics of founding team diversity and venture outcomes: A simulation approach
Notice bibliographique
Résumé
Abstract Research summary Entrepreneurship research overlooks the dynamics of changing diversity in founding teams. Our simulations calibrated from existing studies suggest that founding teams that change diversity exhibit greater discounted performance for their ventures due to being less diverse and thus their ventures surviving longer, compared to teams that maintain their diversity. Moreover, discounted performance is higher for teams changing diversity due to other teams' performance than due to their own poor performance. Simulating without membership changes the interdependence between team diversity, venture performance, and team disruption, we find that while team diversity is overall performance‐enhancing, this association differs across contexts and its impact varies as ventures mature. Founding team diversity should thus be seen as a continuum where moderate diversity can best serve teams in turbulent environments. Managerial summary We simulated the behavior of founding teams over time to show that compared to teams that do not change their diversity, those who do experience greater discounted performance for their business ventures. This improvement stems from the increased longevity, and thus greater accumulated performance, for teams that switch since they are more rather than less homogeneous. Our investigation also indicates that ventures led by teams that change diversity because they aspire to outperform other teams, tend to exhibit greater discounted performance than those that change diversity to outperform themselves. When we investigate the interconnectedness of teams' diversity, ventures' performance, and disruption, albeit without allowing for any changes in team diversity, we find that while diversity usually helps, teams moderately diversified tend to perform best in turbulent times.
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 | 0,009 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 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 ».