The Confluence of Gender and Entrepreneurship: Moving Research Forward by Embracing Parallel Research Streams
Notice bibliographique
Résumé
This paper aims to synthesize the gap between two traditionally separate fields, gender and entrepreneurship, by creating a coherent and integrated program of research that explores the intersection of these domains. Through a comprehensive literature review, we identify themes that connect these fields and inform future scholarship. Our findings reveal that systemic biases within the entrepreneurship ecosystem, rather than individual deficiencies, perpetuate discrimination and inequalities against women. The focus has been unfairly placed on women to ‘fix’ themselves rather than addressing structural barriers. Additionally, we highlight the need for theoretical and methodological shifts, as the current reliance on feminist empiricism, postfeminism, and quantitative research provides an incomplete picture. Poststructural feminism and qualitative approaches are necessary to capture the full complexity of gender dynamics in entrepreneurship. From a practical perspective, this research offers actionable insights for both entrepreneurship educators and small business consultants. Educators are encouraged to revise curricula to integrate gender-sensitive frameworks, adopt inclusive teaching methods, and promote critical discussions on structural inequities. Small business consultants are urged to challenge biases in advisory practices, tailor their guidance to address gender-specific challenges, and advocate for systemic policy changes that promote inclusivity. By addressing these practical implications, stakeholders can contribute to the creation of a more equitable entrepreneurial ecosystem. This paper is among the first to systematically integrate insights from both gender and entrepreneurship research, offering actionable strategies and new directions for both scholarship and practice.
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 | 0,084 | 0,071 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,014 | 0,014 |
| Études des sciences et des technologies | 0,008 | 0,041 |
| Communication savante | 0,029 | 0,075 |
| Science ouverte | 0,004 | 0,025 |
| Intégrité de la recherche | 0,008 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 ».