Mapping the entrepreneurial ecosystem of the cultural and creative industries: an examination of the Corner Brook region, NL, Canada
Notice bibliographique
Résumé
This thesis examines the application of the Entrepreneurial Ecosystem Mapping (EEM) framework developed by Stam and Van de Ven (2021), to the Cultural and Creative Industries (CCIs) in Corner Brook, Newfoundland and Labrador, Canada. The research aims to assess the current state of the area's CCIs entrepreneurial ecosystem, evaluate its sustainability, and identify opportunities for fostering creative entrepreneurship in this small, resource-constrained region. By combining secondary data analysis with insights from the researcher's embedded experience, the study provides a comprehensive understanding of the ecosystem's elements, interactions, and challenges. The findings demonstrate that Corner Brook's CCIs ecosystem is emerging with significant strengths, including robust cultural and natural assets, educational infrastructure, and local champions for creative initiatives. However, challenges like limited CCI-specific policies, funding gaps, talent retention issues, and lack of data, hinder its growth. The study proposes an adaptation to Stam and Van de Ven's (2021) EEM framework to better reflect the dual cultural-economic nature of CCIs, and to specifically integrate cultural value, natural capital, and tourism as key elements of the CCIs entrepreneurial ecosystem (Throsby, 2000). This research contributes to entrepreneurial ecosystem theory by demonstrating not only the adaptability of the EEM framework to CCIs and small, less urban regions, but also by proposing an adaptation of the model based on the findings and specifically tailored for CCIs. It also provides actionable insights for policymakers and stakeholders, highlighting the importance of customized strategies to support creative entrepreneurship and foster sustainable regional 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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,009 |
| Études des sciences et des technologies | 0,009 | 0,003 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| 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 ».