MétaCan
Menu
Retour à la cohorte
Enregistrement W4411103437 · doi:10.1007/s11187-025-01062-x

New venture creation: innovativeness, speed-to-breakeven, and revenue tradeoffs

2025· article· en· W4411103437 sur OpenAlexafffund
Saul Estrin, Andrea Herrmann, Moren Lévesque, Tomasz Mickiewicz, Mark Sanders

Notice bibliographique

RevueSmall Business Economics · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensYork University
Organismes subventionnairesEconomic and Social Research CouncilBrown UniversityUniversity of AlbertaHorizon 2020 Framework ProgrammeUniversiteit UtrechtEuropean Commission
Mots-clésEntrepreneurshipRevenueVenture capitalIndustrial organizationBusinessEconomicsFinance

Résumé

récupéré en direct d'OpenAlex

Abstract We present a Schumpeterian model of new venture creation, under uncertainty, which explains the tradeoff between speed-to-breakeven and revenue-at-breakeven and relates this to the level of innovation. We then explore the tradeoffs between these outcomes empirically in a sample of 331 information and communication technology (ICT) ventures using a multi-input, multi-output stochastic frontier model. We estimate the contribution of financial capital and labor to the outcomes and the tradeoffs between them, as well as address heterogeneity across ventures. We find that more innovative (and therefore more uncertain) ventures have lower speed-to-breakeven and/or lower revenue-at-breakeven. Moreover, for all innovativeness levels, new ventures face a tradeoff between speed-to-breakeven and revenue-at-breakeven. Our results suggest that it is the availability of proprietary resources (founder equity and founder labor) that helps ventures overcome bottlenecks in the venture creation process, and we propose a line of research to explain the variation in venture creation efficiency.

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)0,000
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,537
Score d'incertitude au seuil0,850

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,001
Science ouverte0,0000,000
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 Opus0,017
Tête enseignante GPT0,221
Écart entre enseignants0,204 · 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'étudeObservationnel
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

Citations2
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSmall Business EconomicsMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207