SOCIO-ECONOMIC CHALLENGES HINDERING WOMEN ENTREPRENEURS’ BUSINESS SUSTAINABILITY IN GAUTENG PROVINCE
Notice bibliographique
Résumé
Background and objective: This study explored the socio-economic challenges women entrepreneurs face in the Gauteng province of South Africa. It further examines the specific challenges these women encounter in running their businesses. Study design: A qualitative research approach was employed and draws insights from indepth interviews with forty (40) women entrepreneurs operating in various sectors of the Gauteng SMME sector. The study used semi-structured interviews to collect data from the participants. Through these interviews, participants shared their experiences, perspectives and challenges hindering their business success in the region. The data was analysed manually using a thematic analytical technique. Results: The findings identified several key challenges faced by women entrepreneurs. These were: (i) psychological issues, (ii) managerial issues, (iii) economic issues, (iv) sociocultural issues and (v) policy issues. These challenges are often exacerbated by gender-related disparities, which have substantial implications for business sustainability and growth potential. In addition to identifying these challenges, the study explores their impacts on business sustainability, which include the inability to achieve success, limited expansion, reduced confidence, a lack of strategic planning, and closure of the business, among others. Practical implications: Through the lens of social capital theory, it becomes evident that financial support, access to mentorship, and networking opportunities are vital components needed by women entrepreneurs to achieve business sustainability in Gauteng. Conclusion and summary: This study concludes that the facilitation of gender-inclusive policies, mentorship programmes, and financial support structures is essential in nurturing a business ecosystem conducive for the success of women entrepreneurs.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 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 tête enseignante, 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 ».