An Exploratory Study of Entrepreneurial Intention Among Hispanic Entrepreneurs in Toronto
Notice bibliographique
Résumé
The Problem Entrepreneurship scholars have claimed that immigrants are more likely to become self-employed due to limited job opportunities, access to social networks, cultural background, necessity, and education and skills. However, the entrepreneurial experience of Hispanic immigrants in Toronto has yet to be examined. This quantitative study examined the attitudes, norms, and perceptions influencing entrepreneurial intention and the factors that encourage self-employment continuation among immigrants in Canada. Method This study used a survey questionnaire of ninety-four Hispanic entrepreneurs in Toronto to comprehend their entrepreneurial intention. It examined their proficiencies, studied their business characteristics, and predicted their behavior toward self employment continuation. The collected data responded to the descriptive variables, the control variables, and the intention variables. The latter variables were related to the TPB’s three dimensions: a) attitude toward entrepreneurship, b) social norm, and c) behavioral control. This dissertation studied the predictive power of the TPB in self employment continuation among Hispanic entrepreneurs. Conclusions Established on the theory of planned behavior, the investigation found that attitudes towards the behavior, subjective norms, and perceived behavioral control were significant predictors of Hispanic’s entrepreneurial intentions to continue in self employment. In addition, the study shows that perceived behavioral control offers the most substantial predictability for self-employment among Hispanics in contrast with attitudes toward the behaviors and social norms within this subculture reported by the research. The study outcomes have supported the theory of planned behavior and provided new insights for immigrant entrepreneurship research.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,006 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».