Universities as change agents for green entrepreneurship: role of support systems and self-efficacy in fostering sustainable ventures in Sri Lanka
Notice bibliographique
Résumé
Purpose This study aims to examine the influence of support systems – social, country and educational – on entrepreneurial self-efficacy (ESE) and green entrepreneurial intentions (GEI) among university students in Sri Lanka. The research integrates the theory of planned behaviour (TPB), social cognitive theory (SCT) and entrepreneurial event theory (EET) to establish a comprehensive framework for understanding GEI development. Design/methodology/approach Data were collected through a self-administered questionnaire from 482 final-year business students at 3 leading Sri Lankan universities, selected based on their UI GreenMetric World University Rankings 2023 status. The data were analysed using partial least squares structural equation modelling (PLS-SEM). Findings Results reveal that social, country and educational support significantly influence students' ESE, which in turn drives GEI. Additionally, ESE mediates the relationship between support systems and GEI, highlighting its crucial role in translating support into entrepreneurial action. Practical implications The findings provide university management and educators with actionable insights for fostering green entrepreneurship through structured learning experiences, mentorship programmes and targeted support systems. Particular emphasis is placed on addressing gender-specific barriers and creating comprehensive entrepreneurial ecosystems within universities. Originality/value This study pioneers the investigation of GEI precursors within Sri Lanka’s university context, where research on green entrepreneurship remains limited. It offers valuable insights into how universities in emerging economies can effectively nurture sustainable entrepreneurship while addressing institutional constraints. The findings establish a foundation for future research on policy frameworks supporting university-based green entrepreneurship initiatives.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,003 |
| 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 | 0,002 | 0,002 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,000 | 0,003 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».