Entrepreneurial Stress and Mental Well-being: Pre- and Post-COVID-19 Comparative Analysis of SMEs in Canada
Notice bibliographique
Résumé
There is no conclusive evidence to compare pre- and post-COVID-19 data to measure the performance of SMEs through the lens of mental well-being. The goal of this paper is to contribute to the existing knowledge through a comparative lens, especially considering entrepreneurial stress. This research examined the entrepreneurial stress and mental well-being of entrepreneurs in Canadian SMEs, specifically pre- and post-COVID-19. The PRISMA framework, based on the philosophy of interpretivism, was applied and 37 articles were taken into consideration for this research. The findings confirm that there is a significant increase in the entrepreneurial stress affecting the mental well-being and overall performance of Canadian SMEs, especially during and after COVID-19. Furthermore, this research confirmed that everyone’s reaction to and precautions taken against entrepreneurial stress vary. Interestingly, distinct stressors such as finances, family, and work–life imbalance have evidently increased. However, the magnitude of these stressors varies for individuals. Similarly, the consequences also differ; however, emotional symptoms, followed by physical and behavioural symptoms, have noticeably been exhibited by entrepreneurs both pre- and post-COVID, while performance among SMEs has dwindled, which has brought about a higher number of entrepreneurship closures. This manuscript contributes to the existing literature from multiple facets, such as (i) through the comparative lens, (ii) enriching the literature from an advanced economy, (iii) expanding upon the theory of entrepreneurial stress, and (iv) shedding light on the importance of entrepreneurs’ mental well-being. The manuscript also provides practical implications to entrepreneurs to deal with distinct types of stressors.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,004 | 0,001 |
| Communication savante | 0,002 | 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 ».