MétaCan
Menu
Retour à la cohorte
Enregistrement W4400182643 · doi:10.1016/j.jbvi.2024.e00481

Timing and pricing of micro-acquisitions: A Perspective from effort justification theory

2024· article· en· W4400182643 sur OpenAlexafffund
Zahra Jamshidi, Mohammad Keyhani

Notice bibliographique

RevueJournal of Business Venturing Insights · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiquePrivate Equity and Venture Capital
Établissements canadiensUniversity of Calgary
Organismes subventionnairesSocial Sciences and Humanities Research Council of CanadaMitacs
Mots-clésCognitive dissonancePerspective (graphical)Proxy (statistics)RevenueListing (finance)EconomicsMatching (statistics)MarketingOffset (computer science)BusinessMicroeconomicsIndustrial organizationFinanceComputer science

Résumé

récupéré en direct d'OpenAlex

Micro-acquisition marketplaces are a recent phenomenon in the world of entrepreneurship that facilitate the matching of buyers and sellers of relatively small-scale startups or pre-startup projects. Unlike traditional acquisitions, in micro-acquisition markets, sellers typically decide on the timing and offset an initial asking price for the deal. However, cognitive biases are likely to interfere with these decisions and lead to suboptimal decisions that prevent efficient matching. We argue that the age of a project at the time of listing can act as a proxy for the time and effort that has been spent by the entrepreneur to develop the project. Building on effort justification and cognitive dissonance theories , we argue that there is a curvilinear relationship between project age and price; and that this relationship is moderated by the level of revenue achieved by the project at the time of listing. Using data from Acquire.com , we find empirical support for these patterns indicating that entrepreneurs may justify a higher price because of higher effort up to a certain threshold, and especially for higher revenue projects.

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)0,004
score de la tête « metaresearch » (Gemma)0,027
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,027
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0010,005
Communication savante0,0070,008
Science ouverte0,0020,002
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0120,001

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 Opus0,019
Tête enseignante GPT0,237
Écart entre enseignants0,218 · 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'étudeThéorique ou conceptuel
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

Citations1
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Business Venturing InsightsMême sujetPrivate Equity and Venture CapitalTravaux en français237 207