Social Norms, Attitudes, Self-Efficacy, and Entrepreneurial Intentions: Moderating Roles of Education, Risk Tolerance, and Innovation Orientation
Notice bibliographique
Résumé
Young people play an increasingly prominent role in economic activity, yet limited research investigates the factors shaping their entrepreneurial intentions, particularly in emerging economies. This study examines the relationships among perceived social norms (PSN), attitudes toward entrepreneurship (ATE), and self-efficacy (SNR) in influencing entrepreneurial intentions (EI) among youth. It also explores the moderating roles of entrepreneurial education (EE), risk tolerance (RT), and innovation orientation (IO) in these relationships. A quantitative research methodology was employed, utilizing an online questionnaire to collect data from 211 Thai university students. Findings reveal that PSN, ATE, and SNR significantly influence EI, with ATE emerging as the most critical factor, demonstrating the role of positive perceptions of entrepreneurship as a viable career path in enhancing intentions. Moderation analyses indicate that entrepreneurial education strengthens the relationship between PSN and EI, and risk tolerance amplifies the impact of SNR on EI. However, the moderating effect of innovation orientation on the relationship between ATE and EI was not supported. These findings highlight the importance of education and individual characteristics, such as risk tolerance, in shaping entrepreneurial intentions while indicating limits to innovation orientation's role in this context. This study provides actionable insights for educators, policymakers, and practitioners seeking to foster entrepreneurial activity among youth in emerging economies, emphasizing the need for targeted educational initiatives and supportive environments to cultivate entrepreneurial skills, confidence, and attitudes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».