MétaCan
Menu
Retour à la cohorte
Enregistrement W4412489727 · doi:10.1093/rfs/hhaf049

Gender Stereotypes and Entrepreneur Financing

2025· article· en· W4412489727 sur OpenAlexafffund
Camille Hébert

Notice bibliographique

RevueReview of Financial Studies · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiquePrivate Equity and Venture Capital
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research CouncilAgence Nationale de la Recherche
Mots-clésDemographicsEquity (law)Gender gapDebtContext (archaeology)Gender equityEntrepreneurshipDebt financingBusinessFinanceEntrepreneurial financeWomen entrepreneursDemographic economicsEconomicsPolitical scienceSociologyDemographyGeography

Résumé

récupéré en direct d'OpenAlex

Abstract I document a significant gender gap in entrepreneurs’ access to early-stage equity financing. Using unique administrative data on French startups, I show that this gap is particularly pronounced in male-dominated sectors. Controlling for a comprehensive set of entrepreneur and startup characteristics—including demographics, backgrounds, and motivations—accounts for 42% of the average gender gap. However, in male-dominated sectors, 80% of the gap remains unexplained. Growth-oriented female entrepreneurs rely more heavily on bank loans, substituting equity with debt. Finally, VC-backed female-founded startups outperform their male counterparts in male-dominated sectors. These findings suggest that context-dependent stereotypes influence equity financing decisions.

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)0,002
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,005
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,032
Tête enseignante GPT0,286
Écart entre enseignants0,254 · 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'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

Citations21
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueReview of Financial StudiesMême sujetPrivate Equity and Venture CapitalTravaux en français237 207