MétaCan
Menu
Retour à la cohorte
Enregistrement W4416007489 · doi:10.5465/amproc.2025.21246abstract

To Confront or Not to Confront? Effective Male Allyship in Entrepreneurship

2025· article· en· W4416007489 sur OpenAlexaff
Vera Maria Eger, Viola Nuener, Hana Milanov, Denis A. Grégoire

Notice bibliographique

RevueAcademy of Management Proceedings · 2025
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésDisadvantagedEntrepreneurshipTransformative learningEquity (law)Value (mathematics)InequalityWork (physics)Qualitative research

Résumé

récupéré en direct d'OpenAlex

Allyship, where advantaged individuals support those from disadvantaged groups, plays a critical role in fostering inclusion. Considering that males typically form the advantaged group in entrepreneurial pursuits, we conduct two studies to advance academic understanding of whether and how allyship can help counter sexism and foster equity for female entrepreneurs. Building on qualitative interviews with 35 female entrepreneurs, Study 1 reveals four categories of effective allyship: boosting self-belief, encouraging entrepreneurial engagement, showing gender sensitivity, and removing barriers through confrontation. Interestingly, confrontational allyship emerged as impactful yet polarizing: moreover, its potential benefits seem to depend on the way how it is enacted. Building on these preliminary findings, Study 2 used an experimental design with 441 participants to test how female entrepreneurs value different types of confrontational allyship behavior (collaborative vs. advocative vs. no help). Observing that women prefer both collaborative and advocative help over no help when facing sexism, our work introduces the transformative potential of male allyship in entrepreneurship and highlights different ways in which men’s involvement as allies can contribute.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,271
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,001
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 Opus0,021
Tête enseignante GPT0,282
Écart entre enseignants0,261 · 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.

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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetEntrepreneurship Studies and InfluencesTravaux en français237 207