L’intention entrepreneuriale des femmes : le cas de l’Égypte
Bibliographic record
Abstract
Mueller (2004) démontre que les intentions entrepreneuriales des femmes sont moindres que celles des hommes surtout dans les pays en voie de développement. Qu’en est-il dans un pays en économie de transition, comme l’Égypte ? Tout en relançant le questionnement de Mueller (2004), cette étude articule une comparaison sexuée et une approche genrée pour mieux comprendre le rôle des rapports hommes/femmes dans la formation de l’intention entrepreneuriale féminine dans une culture donnée. Grâce à une recherche quantitative menée en 2010 auprès de 320 étudiants égyptiens francophones au Caire, les auteurs ont pu démontrer que les étudiantes égyptiennes ont fortement le désir d’entreprendre et de concrétiser assez rapidement leurs projets, qu’elles sont assez confiantes dans leurs compétences à créer et conscientes des obstacles qu’elles rencontreront. La recherche révèle également certaines ambivalences des projets entrepreneuriaux des jeunes égyptiennes liées aux rapports de genre. Notre recherche complète ainsi les conclusions de Mueller (2004) et Langowitz et Minitti (2007). Nous pouvons arguer du fait que dans un pays en économie de transition le déséquilibre des motivations entrepreneuriales des femmes et des hommes est limité.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.002 | 0.002 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.004 | 0.003 |
| Scholarly communication | 0.003 | 0.002 |
| Open science | 0.000 | 0.002 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.006 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".