MétaCan
Menu
Retour à la cohorte
Enregistrement W6966799660 · doi:10.48336/38ry-8490

Business model innovation in start-ups: an exploratory case study of why and how business models are changed

2024· article· en· W6966799660 sur OpenAlexaff

Notice bibliographique

RevueMemorial University Research Repository (Memorial University) · 2024
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBusiness Strategies and Innovation
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésNew business developmentBusiness modelArtifact-centric business process modelBusiness transformationBusiness analysisBusiness ruleBusiness process modelingBusiness domain

Résumé

récupéré en direct d'OpenAlex

It has been long understood that start-ups change their business models. However, research on creating a business model, called business model development, and the change of business model, called business model innovation, has primarily focused on established firms. There is a lack of empirical evidence of why and how start-ups change their business model, and it is unclear to what extent existing literature on established firms can be applied to start-ups. The research question of this thesis is “Why and how do start-ups change their business models?”. This thesis provides a unique contribution to the study of business model innovation by providing an exploratory case study of six versions of a start-up’s business model canvas. While considering the impact of human capital investments and outcomes, it is shown that a) business models are changed because founders believe that the business model is not, or cannot be, profitable, OR that there is a more profitable and scalable option within reach, and b) business models are changed by discovering new markets or customer use cases and then arranging the resources, capabilities, network allies, and operations necessary to achieve the desired impact.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,523
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)0,0000,000
Bibliométrie0,0050,013
Études des sciences et des technologies0,0010,000
Communication savante0,0010,010
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
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 Opus0,102
Tête enseignante GPT0,266
Écart entre enseignants0,164 · 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'étudeSimulation ou modélisation
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
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMemorial University Research Repository (Memorial University)Même sujetBusiness Strategies and InnovationTravaux en français237 207