Traditional and digital entrepreneurial ecosystems: a framework of differences and similarities
Notice bibliographique
Résumé
Abstract Entrepreneurial ecosystems in various geographical areas of the world are often compared in the context of entrepreneurship research. There are far fewer comparative studies on different types of ecosystems. In this study, a traditional entrepreneurial ecosystem based in Canada is compared with a digital entrepreneurial ecosystem specializing in life sciences, in Switzerland, bridging the gap between both and yielding previously unknown insights. The aim is twofold: to decipher both the differences and the similarities between the two models and to describe the predominant type of entrepreneurship in each case. The method consisted of a quantitative study of socio-economic data in combination with the administration of a qualitative analysis of interviews with—industry, government, and university—experts with links to one or the other ecosystem. The main findings showed that the traditional ecosystem had varied entrepreneurial support, public financial support, and collaborative networks between SMEs and start-ups, whereas in the specialized digital ecosystem, business support tended to be sector-specific with private financial support and networks emerging between multinationals and start-ups. Our study contributes to entrepreneurship research by showing that high-tech industries such as biotechnology and medical technology manage to go beyond a purely digital approach in digital ecosystems. The generic nature of the high-tech industries within the traditional ecosystem was the main driver of traditional entrepreneurship, while the sector-specific approaches of the industries within the specialized digital ecosystems were shown to drive innovative entrepreneurship.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».