MétaCan
Menu
← Retour à la cohorte
Enregistrement W6950565007 · doi:10.5683/sp3/okggws

Standardizing Definitions and Data Collection Approach for Black-owned Businesses and Black Entrepreneurs | Normalisation des définitions et de l'approche de la collecte de données pour les entreprises et les entrepreneurs noirs

2025· dataset· en· W6950565007 sur OpenAlexaffabout

Notice bibliographique

RevueBorealis · 2025
Typedataset
Langueen
DomaineSocial Sciences
ThématiqueMigration, Ethnicity, and Economy
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésEntrepreneurshipSmall businessDiversity (politics)PopulationBlack boxScale (ratio)Business development

Résumé

récupéré en direct d'OpenAlex

Introduction Black entrepreneurship in Canada makes important contributions to the Canadian economy, from fostering innovation to creating employment and building generational wealth. At least 1.3% of Black adults in Canada are business owners, relative to the 2.3% that are business owners from the entire Canadian population (Business Development Bank of Canada (BDC), 2025). Similarly, Black people account for 2.4% of all business owners in the country even though they only represent 4.3% of the entire population. Women account for 33% of these Black businesses, as compared to their 20% share in the country’s total business ownership (Diversity Institute, 2024), highlighting the potential of Black entrepreneurship for economic empowerment. However, Black businesses are faced with some systemic barriers that impede their ability to thrive, including but not limited to underrepresentation among entrepreneurs in Canada and limited access to finance, restricted networking opportunities, and insufficient specialized support programs (Gueye et al., 2022; Gueye, 2023; Diversity Institute, 2024). These challenges stem in part from a lack of comprehensive and reliable data on Black businesses and the absence of standardized definitions for key concepts such as Black entrepreneurs, Black enterprises, and Black entrepreneurship. Without a clear understanding of who constitutes a Black entrepreneur and the scale of their contributions, policymakers and stakeholders struggle to provide the necessary support and resources to advance this community. In fact, the development of policies and initiatives for Black businesses faces difficulties because current data about Black entrepreneurship remains fragmented and inconsistent, with different sources reporting different numbers (Grekou et al., 2021; Gueye, 2023). These discrepancies highlight the urgent need for a unified approach to data collection and analysis, as accurate and comprehensive data are critical to understanding the size, scope, and needs of Black entrepreneurs, enabling targeted policy interventions and resource allocation. Current data fragmentation problems combined with non-standardized definitions create a situation where Black business owners are frequently ignored or inaccurately classified or omitted (Coletto et al., 2021). The significance of this research, therefore, lies in its ability to resolve systemic barriers through an improved representation of Black entrepreneurs. This research aims to harmonise missing data points and set specific criteria to establish sound tools for policymakers, researchers, and community groups who want to better assist Black entrepreneurs. With this, Black-owned business support will be strengthened through targeted policies and programs that develop sustainable growth for these businesses in Canada. The main objectives of this study are threefold. The research seeks to reconcile disparate Black entrepreneurship statistics from Afrobiz.ca alongside Canadian Black Chamber of Commerce records and Statistics Canada databases. Also, the research seeks to develop unified criteria to define Black business owners together with their enterprises to improve both data collection precision and reporting consistency. Lastly, the research will establish procedures to build a standardized database of Black entrepreneurs by integrating present data sources and making sure both formal and informal businesses receive proper representation. These research efforts will establish fundamental principles for developing an inclusive and equal entrepreneurial system throughout Canada. Introduction L'entrepreneuriat noir au Canada apporte d'importantes contributions à l'économie canadienne, qu'il s'agisse de favoriser l'innovation, de créer des emplois ou de constituer un patrimoine générationnel. Au moins 1,3 % des adultes noirs au Canada sont propriétaires d'une entreprise, contre 2,3 % pour l'ensemble de la population canadienne (Banque de développement du Canada (BDC), 2025). De même, les Noirs représentent 2,4 % de tous les propriétaires d'entreprise du pays, alors qu'ils ne représentent que 4,3 % de la population totale. Les femmes représentent 33 % de ces entreprises noires, alors qu'elles représentent 20 % de l'ensemble des entreprises du pays (Diversity Institute, 2024), ce qui souligne le potentiel de l'entrepreneuriat noir en matière d'émancipation économique. Toutefois, les entreprises noires sont confrontées à certains obstacles systémiques qui entravent leur capacité à prospérer, notamment la sousreprésentation des entrepreneurs au Canada et l'accès limité au financement, les possibilités de réseautage restreintes et l'insuffisance des programmes de soutien spécialisés (Gueye et al., 2022 ; Gueye, 2023 ; Diversity Institute, 2024). Ces défis découlent en partie d'un manque de données complètes et fiables sur les entreprises noires et de l'absence de définitions normalisées pour des concepts clés tels que les entrepreneurs noirs, les entreprises noires et l'entrepreneuriat noir. Sans une compréhension claire de ce qu'est un entrepreneur noir et de l'ampleur de sa contribution, les décideurs politiques et les parties prenantes ont du mal à fournir le soutien et les ressources nécessaires pour faire progresser cette communauté. En fait, l'élaboration de politiques et d'initiatives en faveur des entreprises noires se heurte à des difficultés parce que les données actuelles sur l'entrepreneuriat noir restent fragmentées et incohérentes, différentes sources faisant état de chiffres différents (Grekou et al., 2021 ; Gueye, 2023). Ces divergences soulignent le besoin urgent d'une approche unifiée de la collecte et de l'analyse des données, car des données précises et complètes sont essentielles pour comprendre la taille, l'étendue et les besoins des entrepreneurs noirs, permettant ainsi des interventions politiques ciblées et l'allocation de ressources. Les problèmes actuels de fragmentation des données, combinés à des définitions non standardisées, créent une situation où les propriétaires d'entreprises noires sont souvent ignorés, classés de manière inexacte ou omis (Coletto et al., 2021). L'importance de cette recherche réside donc dans sa capacité à lever les obstacles systémiques en améliorant la représentation des entrepreneurs noirs. Elle vise à harmoniser les points de données manquants et à définir des critères spécifiques afin d'établir des outils solides pour les décideurs politiques, les chercheurs et les groupes communautaires qui souhaitent mieux aider les entrepreneurs noirs. les entrepreneurs. Ainsi, le soutien aux entreprises appartenant à des Noirs sera renforcé par des politiques et des programmes ciblés qui favoriseront la croissance durable de ces entreprises au Canada. Les principaux objectifs de cette étude sont triples. La recherche vise à réconcilier les statistiques disparates sur l'entrepreneuriat noir provenant d'Afrobiz.ca, des dossiers de la Chambre de commerce des Noirs du Canada et des bases de données de Statistique Canada. En outre, la recherche vise à développer des critères unifiés pour définir les propriétaires d'entreprises noires et leurs entreprises afin d'améliorer la précision de la collecte des données et la cohérence des rapports. Enfin, la recherche établira des procédures pour construire une base de données normalisée sur les entrepreneurs noirs en intégrant les sources de données actuelles et en veillant à ce que les entreprises formelles et informelles soient correctement représentées. Ces recherches permettront d'établir des principes fondamentaux pour le développement d'un système entrepreneurial inclusif et égalitaire à travers le Canada.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,530
score de la tête « metaresearch » (Gemma)0,637
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,945
Score d'incertitude au seuil0,580

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,5300,637
Méta-épidémiologie (sens strict)0,0020,003
Méta-épidémiologie (sens large)0,0030,004
Bibliométrie0,0170,017
Études des sciences et des technologies0,0070,010
Communication savante0,0160,013
Science ouverte0,0090,014
Intégrité de la recherche0,0040,010
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,083
Tête enseignante GPT0,335
Écart entre enseignants0,252 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

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'admission2
Résumé présentoui

Explorer davantage

Même revueBorealis→Même sujetMigration, Ethnicity, and Economy→Travaux en français237 207→