MétaCan
Menu
← Retour à la cohorte
Enregistrement W6996660558

A Study on High-tech Startup Failure : Antecedents, Outcome and Context

2021· other· en· W6996660558 sur OpenAlexaboutno aff

Notice bibliographique

RevueTheseus (Ammattikorkeakoulujen) · 2021
Typeother
Langueen
Domaine
Thématique
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésThematic analysisContext (archaeology)Product (mathematics)Qualitative researchBusiness failureOutcome (game theory)New product developmentFocus group
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

A significant number of startups fail during their first years of operations, and most of \nthem crash within five years. A wide range of reasons for startup failures has been \nidentified in the literature. However, most of the reasons for startup failures are too \ngeneral in that they focus on startups in general. In this regard, not every factor may be \nresponsible for the failures of some startups. \n \nAlthough there are adequate investigations that have provided substantial evidence about \ndifferent reasons that cause startups failure, this study aimed to review these reasons \ncollectively to determine how they relate to high-tech startup failure. \n \nThis study used a qualitative research method to collect and analyze data from 15 \nfounders of high-tech startups in the United States (US), Finland, and Canada. The \nresearcher conducted interviews through Skype and analyzed data using thematic analysis \nto derive relevant themes to the study. Likewise, the researcher conducted a profound, \nsystematic review to identify themes relating closely to startup failures. \n \nThe results showed that high-tech startups failures relate closely to product and market \nchallenges (product timing difficulties, product design problems, improper or absence of \nselling strategy/ distribution channels, and small market size), financial problems (initial \nundercapitalization and debt burden), and management issues ( lack of competent teams \nand human errors). \n \nThe study showed that a wide range of factors leads to the failure of high-tech startups. \nTherefore, founders and personnel working in these high-tech startups should pay \nattention to the identified areas to minimize the chances of failure.

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)0,006
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,056

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,015
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0060,003
Communication savante0,0040,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,039
Tête enseignante GPT0,302
Écart entre enseignants0,262 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTheseus (Ammattikorkeakoulujen)→Travaux en français237 207→