Examining Post-Traumatic Growth and Resilience Through Entrepreneuring
Notice bibliographique
Résumé
Entrepreneurship has a long history of being the economic outlet for populations that do not “fit” in the traditional workforce: refugees, veterans, survivors of domestic or generational violence or abuse; as well as for individuals coping with other extreme forms of adversity. A common thread connecting these populations is their exposure and experiences with trauma. Our focus in this symposium is to consider entrepreneurship as more than economic support or a mechanism solely for wealth creation. Instead, we explore the topic of when and how does entrepreneurship foster post-traumatic growth and resilience. Post-traumatic growth is an established positive response to trauma exposure, and the papers in the symposium explore how civilians in a war-torn country, indigenous populations living in economic disadvantage, and women refugees who survived the same traumatic event all achieve such an outcome. Collectively, these papers explore how entrepreneurs use different mechanisms associated with creating, building, or running a new business to advance in healing and positive adaptation to adverse events. Data suggests that trauma exposure impacts at least 70 percent of the general population, therefore the insights from these papers illustrate the healing potential of entrepreneurship across all communities. Water, Water Everywhere, But Too Many Drops to Drink? Social Opportunity Prioritization Author: Nataliia Yakushko; The University of Tennessee-Knoxville Indigenous Entrepreneurs’ Everyday Work of Coping with Intergenerational Trauma Author: Katrin M. Smolka; Author: Ali E. Ahmed; Author: Deniz Ucbasaran; Re-discovering Human Care and Trust: The Role of Mentors in Mitigating Wellbeing Risks Post-trauma Author: Michelle Richey; Loughborough University Entrepreneurial Rebellion: How Women Entrepreneurs React in Context of Persistent Acute Adversity Author: Mona Itani; American University of Beirut Author: Ramzi Fathallah; University of Ottawa Author: Rayan Fawaz; University of Sussex Author: Shintaro Okazaki; King's College London Author: Dima Jamali; Entrepreneurship as a Mechanism for Post-Traumatic Growth Author: Arielle M. Newman; Syracuse University Author: Elizabeth Embry; University of Kansas
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 | 0,003 | 0,007 |
| 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 | 0,003 | 0,002 |
| Communication savante | 0,004 | 0,002 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».