Trauma & Entrepreneurship: Challenges and Opportunities Across Three Contexts
Notice bibliographique
Résumé
Trauma, whether experienced individually or collectively, can profoundly influence entrepreneurial motivation, behavior, and well-being. Through three interrelated papers, this dissertation examines how trauma can simultaneously constrain and catalyze entrepreneurial action. The first paper investigates how a large public research university responded to the cascading collective traumas of the COVID-19 pandemic by embracing intrapreneurial thinking. By launching a virtual incubator to support marginalized entrepreneurs worldwide, the institution not only addressed societal needs but also bolstered its adaptability, legitimacy, and social impact. The second paper introduces a trauma-informed framework for refugee entrepreneurship support, grounded in principles of trauma-informed care to address traumas often experienced by refugees. By centering psychological well-being and trauma-informed interventions, this framework offers practical guidance for tailoring entrepreneurship programs to the unique needs of refugee entrepreneurs. The third paper employs Freire’s critical consciousness theory to explore the entrepreneurial endeavors of bar hostesses (i.e., sex workers) in Nairobi, Kenya. We observe that despite confronting overlapping traumas – stigmatization, COVID-19 disruptions, and systemic marginalization – they exercise entrepreneurial autonomy and collective emancipation. Their experiences underscore how dialogue, critical reflection and action, and empowering entrepreneurship education can spur resilience, community-building, and social change. Taken together, these three studies highlight trauma’s dual capacity to hinder and inspire innovation and social impact. By illuminating social intrapreneurship, trauma-informed care, and critical consciousness, this dissertation provides new insights into how individuals and communities facing profound adversity and trauma can leverage entrepreneurship for transformative healing, empowerment, and inclusive economic development.
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 | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,014 | 0,032 |
| Communication savante | 0,016 | 0,013 |
| Science ouverte | 0,001 | 0,022 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».