MétaCan
Menu
Retour à la cohorte
Enregistrement W4400442845 · doi:10.5465/amproc.2024.21193abstract

The Role of Career Resilience in the Stress Adjustment of Recently Started Entrepreneurs

2024· article· en· W4400442845 sur OpenAlexaff
Ismail Elalaoui, Étienne St-Jean

Notice bibliographique

RevueAcademy of Management Proceedings · 2024
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueCareer Development and Diversity
Établissements canadiensUniversité du Québec à Trois-Rivières
Organismes subventionnairesnon disponible
Mots-clésResilience (materials science)Stress (linguistics)PsychologyMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

Entrepreneurship is considered one of the most demanding careers, and one in which entrepreneurs must endure periods of considerable stress, threatening their well-being, commitment and future in this career. Drawing on transactional theories of stress, the career resilience literature and the Broaden and build theory, we propose that entrepreneurial career resilience can reduce the impact of entrepreneurs' perceived stress on their job satisfaction and intention to stay in entrepreneurship. We tested our model with a moderate mediation effect using a four-wave longitudinal analysis on a sample of newly-started entrepreneurs. The results showed that entrepreneurs' perceived stress exerted a significant direct negative influence on their job satisfaction, and a significant indirect negative influence on their intention to stay in entrepreneurship (by decreasing satisfaction). We also found that new entrepreneurs' career resilience positively moderated the impact of perceived stress on their job satisfaction, and that the latter fully mediated the effect of stress on intention to remain an entrepreneur. Furthermore, the results showed that the direct effect of stress on job satisfaction and the indirect effect of stress on intention to remain an entrepreneur were conditional on the level of career resilience, so that these effects were significantly weaker for entrepreneurs with high levels of resilience as opposed to those with low levels of resilience.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,533
Score d'incertitude au seuil0,221

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,020
Tête enseignante GPT0,267
Écart entre enseignants0,247 · 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'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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetCareer Development and DiversityTravaux en français237 207