• صفحه اصلی
  • طراحی مدل ارزیابی فرصت های کارآفرینی درشرایط عدم اطمینان با استفاده از رویکرد فازی(مورد مطالعه صنعت نرم افزار)

اشتراک گذاری

آدرس مقاله


کد مقاله : QJOPM-2206-3395 (R4) بازدید : 377 صفحه: 23 - 51

10.30495/qjopm.2022.1961390.3395

نوع مقاله: پژوهشی

طراحی مدل ارزیابی فرصت های کارآفرینی درشرایط عدم اطمینان با استفاده از رویکرد فازی(مورد مطالعه صنعت نرم افزار)

محورهای موضوعی : مدیریت (گرایش سیستم)

شیوا مهدیزاده اقدم 1 , جهانگیر یدالهی فارسی 2 , نرگس ایمانی پور 3

1 - دانشجوی دکترای گروه کارآفرینی، واحد قزوین، دانشگاه آزاد اسلامی، قزوین،ایران
2 - استاد گروه کارآفرینی، دانشکده کارآفرینی، دانشگاه تهران، تهران، ایران.
3 - دانشیار گروه کارآفرینی، دانشکده کارآفرینی، دانشگاه تهران، تهران، ایران .

تاریخ دریافت : 1401/05/24 تاریخ پذیرش : 1401/09/23 تاریخ انتشار : 1402/09/27

کلید واژه: عدم اطمینان, رویکرد فازی, کارآفرینی فناورانه, ارزیابی فرصت,

چکیده مقاله :

تصمیم‌گیری برای انتخاب یک فرصت مناسب در شرایط عدم اطمینان، یک معضل رایج برای کارآفرینان است؛ سیستم راه‌اندازی نرم‌افزار به طور خاص با عدم اطمینان شدید و رقابت بیش از حد مواجه می‏باشد؛ بنابراین تحلیل فرصت‌ها و تهدیدها برای کارآفرینان حیاتی است. هدف پژوهش حاضر، طراحي مدل ارزيابي فرصت هاي كارآفريني در شرايط عدم اطمينان -در خصوص صنعت نرم افزار- با رويكرد فازي و با استفاده از روش آميخته است. جامعۀ آماری تحقیق شامل خبرگان حوزه صنعت نرم افزار مي باشد؛ براي اين منظور ابتدا با بررسي پيشينه، مبناي نظري تحقيق به دست آمده و در ادامه پس از مصاحبه و كد گذاري، تعداد 115 عبارت اوليه استخراج شده و كد گذاري آن‌ها صورت پذيرفته است، سپس با ادغام عبارات كلي با عبارات فرعي تعداد كدها به 84 رسيده و با ادغام موارد مشابه تعداد 29 مفهوم گزينش شده كه پس از گروه بندي، شش کدمحوری استخراج گشته است. سپس با رتبۀ بندي معيارهاي به دست آمده از طريق پرسشنامه توسط خبرگان و با روش Ahp فازي، بوسیله روش میانگین هندسی باکلی در نرم افزار اكسل صورت پذيرفته است. معيار عدم اطمينان منابع داراي رتبۀ اول، عدم اطمينان رقابتي داراي رتبۀ دوم، عدم اطمينان تكنولوژيكي رتبۀ سوم، عدم اطمينان سياسي، عدم اطمينان عامل و عدم اطمينان مشتري در رتبۀ هاي چهارم تا ششم قرار گرفته‌اند و در نهايت مدل ارزیابی فرصت های کارآفرینی درشرایط عدم اطمینان با استفاده از رویکرد فازی در صنعت نرم افزار طراحي گشته است.

چکیده انگلیسی:

Choosing a suitable opportunity in conditions of uncertainty is a common problem for entrepreneurs. The software startup procedure is particularly vulnerable to extreme uncertainty and competition; therefore, analyzing opportunities and threats is critical for software entrepreneurs. Hence, the present study aims to identify the criteria of uncertainty in evaluating entrepreneurial opportunities in technology-driven businesses of the software industry with a fuzzy approach using a mixture of qualitative and quantitative methods. The statistical population of the research includes experts in the software industry. In this regard, first, a theoretical basis was obtained by examining the background. Second, we performed semi-structured interviews and extracted and coded 115 phrases. Third, after combining the general and subsidiary phrases, we reached 84 phrases, and by combining similar phrases, we selected 29 phrases. Forth, after categorizing those phrases, we determined the six axes of uncertainty and used the fuzzy Ahp technique and Geometric Buckley averaging in Microsoft Excel to rank those six axes as follows: 1-uncertainty in resources, 2-uncertainty in competition, 3-technological uncertainty, 4-political uncertainty, 5-uncertainty in agents, and 6-customer uncertainty. Finally, the model of evaluating entrepreneurial opportunities in conditions of uncertainty was designed using a fuzzy approach in the software industry.

منابع و مأخذ:

Autio, E., Dahlander, L., & Frederiksen, L. (2013). Information Exposure, Opportunity Evaluation, and Entrepreneurial Action: An Investigation of an Online User Community. Academy of Management Journal, 56(5), 1348-1371. doi:10.5465/amj.2010.0328
Bailey, R. C. (2021). Evaluation of International Market Opportunities: A Creation Versus Discovery Perspective. Academy of Management Proceedings, 2021(1), 12716. doi:10.5465/AMBPP.2021.12716 abstract
Batev, T., & Marks, J. (2019). Temporal Mediation of Uncertainty within Entrepreneurial Opportunity Evaluation. Academy of Management Proceedings, 26(1), 1-22. doi:10.5465/AMBPP.2019.18765abstract
Benegal, S. (2019). Opportunity Evaluation through Social Interactions and Entrepreneurial Micro-action. Academy of Management Proceedings, 2019(1), 17436. doi:10.5465/AMBPP.2019.17436abstract
Bishop, K., & Nixon, R. D. (2006). VENTURE OPPORTUNITY EVALUATIONS: COMPARISONS BETWEEN VENTURE CAPITALISTS AND INEXPERIENCED PRE-NASCENT ENTREPRENEURS. Journal of Developmental Entrepreneurship, 11(01), 19-33. doi:10.1142/s1084946706000246
Bryant, P. (2007). Self‐regulation and decision heuristics in entrepreneurial opportunity evaluation and exploitation. Management Decision, 45(4), 732-748. doi:10.1108/00251740710746006
Chan, C. S. R., & Parhankangas, A. (2017). Crowdfunding Innovative Ideas: How Incremental and Radical Innovativeness Influence Funding Outcomes. Entrepreneurship Theory and Practice, 41(2), 237-263. doi:10.1111/etap.12268
Chandra, Y. (2017). A time-based process model of international entrepreneurial opportunity evaluation. Journal of International Business Studies, 48(4), 423-451. doi:10.1057/s41267-017-0068-x
Corbett, A. C. (2005). Experiential Learning Within the Process of Opportunity Identification and Exploitation. Entrepreneurship Theory and Practice, 29(4), 473-491. doi:10.1111/j.1540-6520.2005.00094.x
Dahlqvist, J., & Wiklund, J. (2012). Measuring the market newness of new ventures. Journal of Business Venturing, 27(2), 185-196. doi:10.1016/j.jbusvent.2010.12.001
Davidsson, P. (2015). Entrepreneurial opportunities and the entrepreneurship nexus: A re-conceptualization. Journal of Business Venturing, 30(5), 674-695. doi:10.1016/j.jbusvent.2015.01.002
Digan, S. P., Kerrick, S. A., & Cumberland, D. M. (2015). The Role of Knowledge on Opportunity Evaluation Decisions: An Example from Franchising. Academy of Management Proceedings, 1, 15447. doi:10.5465/ambpp.2015.15447abstract
Dimov, D. (2010). Nascent Entrepreneurs and Venture Emergence: Opportunity Confidence, Human Capital, and Early Planning. Journal of Management Studies, 47(6), 1123-1153. doi:10.1111/j.1467-6486.2009.00874.x
Foo, M.-D. (2009). Emotions and Entrepreneurial Opportunity Evaluation. Entrepreneurship Theory and Practice, 35(2), 375-393. doi:10.1111/j.1540-6520.2009.00357.x
Grichnik, D., Smeja, A., & Welpe, I. (2010). The importance of being emotional: How do emotions affect entrepreneurial opportunity evaluation and exploitation? Journal of Economic Behavior & Organization, 76(1), 15-29. doi:10.1016/j.jebo.2010.02.010
Gruber, M., Kim, S. M., & Brinckmann, J. (2015). What is an Attractive Business Opportunity? An Empirical Study of Opportunity Evaluation Decisions by Technologists, Managers, and Entrepreneurs. Strategic Entrepreneurship Journal, 9(3), 205-225. doi:10.1002/sej.1196
Gupta, V. K., Goktan, A. B., & Gunay, G. (2014). Gender differences in evaluation of new business opportunity: A stereotype threat perspective. Journal of Business Venturing, 29(2), 273-288. doi:10.1016/j.jbusvent.2013.02.002
Hastie, R. (2001). Problems for Judgment and Decision Making. Annual Review of Psychology, 52(1), 653-683. doi:10.1146/annurev.psych. 52.1.653
Haynie, J. M., Shepherd, D. A., & McMullen, J. S. (2009). An Opportunity for Me? The Role of Resources in Opportunity Evaluation Decisions. Journal of Management Studies, 46(3), 337-361. doi:10.1111/j.1467-6486.2009.00824.x
Ireland, R. D., Hitt, M. A., & Sirmon, D. G. (2003). A Model of Strategic Entrepreneurship: The Construct and its Dimensions. Journal of Management, 29(6), 963-989. doi:10.1016/s0149-2063_03_00086-2
Keh, H. T., Der Foo, M., & Lim, B. C. (2002). Opportunity Evaluation under Risky Conditions: The Cognitive Processes of Entrepreneurs. Entrepreneurship Theory and Practice, 27(2), 125-148. doi:10.1111/1540-8520.00003
Kim, J.-S., Choi, J. H., & Lee, Y.-Z. (2010). The Fretting Wear Characteristics of CrN and TiN Coating on Steam Generator Tube. (44199), 57-58. doi:10.1115/IJTC2010-41147
Krueger, N. F., Reilly, M. D., & Carsrud, A. L. (2000). Competing models of entrepreneurial intentions. Journal of Business Venturing, 15(5), 411-432. doi:10.1016/S0883-9026(98)00033-0
Marinho, M., Sampaio, S., & Moura, H. (2017). Managing uncertainty in software projects. Innovations in Systems and Software Engineering, 14(3), 157-181. doi:10.1007/s11334-017-0297-y
McKelvie, A., Haynie, J. M., & Gustavsson, V. (2011). Unpacking the uncertainty construct: Implications for entrepreneurial action. Journal of Business Venturing, 26(3), 273-292. doi:10.1016/j.jbusvent.2009. 10.004
McMullen, J. S., & Shepherd, D. A. (2006). Entrepreneurial Action And The Role Of Uncertainty In The Theory Of The Entrepreneur. Academy of Management Review, 31(1), 132-152. doi:10.5465/amr.2006.19379628
Mehdizadeh Aghdam, S., Yadollahi Farsi, J., & Imanipour, n. (2022). Evaluating Entrepreneurial Opportunities with Bibliometric Analysis Approach (2000-2022). Public Policy In Administration, 13(48), 85-100. [In Persian]. doi:10.30495/ijpa.2022.66533.10857
Mehdizadeh Aghdam, S., Yadollahi Farsi, J., & narges, I. (2022). Identifying the effect of uncertainty criteria in evaluating entrepreneurial opportunities in technology - based ( Case study : Software industry ). Future study Management, 32(4), 137-147. [In Persian]. doi:10.30495/jmfr.2022.65777.2637
Mitchell, J. R., & Shepherd, D. A. (2010). To thine own self be true: Images of self, images of opportunity, and entrepreneurial action. Journal of Business Venturing, 25(1), 138-154. doi:10.1016/j.jbusvent.2008.08.001
Murnieks, C. Y., Cardon, M. S., Sudek, R., White, T. D., & Brooks, W. T. (2016). Drawn to the fire: The role of passion, tenacity and inspirational leadership in angel investing. Journal of Business Venturing, 31(4), 468-484. doi:10.1016/j.jbusvent.2016.05.002
Nambisan, S. (2017). Digital Entrepreneurship: Toward a Digital Technology Perspective of Entrepreneurship. Entrepreneurship Theory and Practice $V 41(6), 1029-1055.
Paternoster, N., Giardino, C., Unterkalmsteiner, M., Gorschek, T., & Abrahamsson, P. (2014). Software development in startup companies: A systematic mapping study. Information and Software Technology, 56(10), 1200-1218. doi:10.1016/j.infsof.2014.04.014
Rose, J. (2012). Software Entrepreneurship: two paradigms for promoting new information technology ventures. Software Innovation Aalborg University: Aalborg, Denmark, 1-98.
Sangaiah, A. K., Samuel, O. W., Li, X., Abdel-Basset, M., & Wang, H. (2018). Towards an efficient risk assessment in software projects–Fuzzy reinforcement paradigm. Computers & Electrical Engineering, 71, 833-846. doi:10.1016/j.compeleceng.2017.07.022
Shane, S., & Venkataraman, S. (2000). The Promise of Entrepreneurship as a Field of Research. Academy of Management Review, 25(1), 217-226. doi:10.5465/amr.2000.2791611
Shepherd, D. A., McMullen, J. S., & Jennings, P. D. (2007). The formation of opportunity beliefs: overcoming ignorance and reducing doubt. Strategic Entrepreneurship Journal, 1(1‐2), 75-95. doi:10.1002/sej.3
Shepherd, D. A., Patzelt, H., & Baron, R. A. (2013). “I Care about Nature, but …”: Disengaging Values in Assessing Opportunities that Cause Harm. Academy of Management Journal, 56(5), 1251-1273. doi:10.5465/amj.2011.0776
Tomy, S., & Pardede, E. (2017). Opportunity Evaluation Using Uncertainties in Software Entrepreneurship. Entrepreneurship Research Journal, 7(3), 1-16. doi:10.1515/erj-2016-0044
Tumasjan, A., Welpe, I., & Spörrle, M. (2012). Easy Now, Desirable Later: The Moderating Role of Temporal Distance in Opportunity Evaluation and Exploitation. Entrepreneurship Theory and Practice, 37(4), 859-888. doi:10.1111/j.1540-6520.2012.00514.x
Vogel, P. (2017). From Venture Idea to Venture Opportunity. Entrepreneurship Theory and Practice, 41(6), 943-971. doi:10.1111/etap.12234
Welpe, I. M., Spörrle, M., Grichnik, D., Michl, T., & Audretsch, D. B. (2012). Emotions and Opportunities: The Interplay of Opportunity Evaluation, Fear, Joy, and Anger as Antecedent of Entrepreneurial Exploitation. Entrepreneurship Theory and Practice, 36(1), 69-96. doi:10.1111/j.1540-6520.2011.00481.x
Williams, D. W., & Wood, M. S. (2015). Rule-Based Reasoning for Understanding Opportunity Evaluation. Academy of Management Perspectives, 29(2), 218-236. doi:10.5465/amp.2013.0017
Wood, M. S., & Williams, D. W. (2014). Opportunity Evaluation as Rule-Based Decision Making. Journal of Management Studies, 51(4), 573-602. doi:10.1111/joms.12018
Wood, M. S., McKelvie, A., & Haynie, J. M. (2014). Making it personal: Opportunity individuation and the shaping of opportunity beliefs. Journal of Business Venturing, 29(2), 252-272. doi:10.1016/j.jbusvent. 2013.02.001
Yunfei, S., Dongming, X., & Peter, G. (2014). Software startup growth: the role of dynamic capabilities, IT innovation, and customer involvement, 1-11.

متن کامل:
سنجي فرهنگ دانايي: مطالعه موردي

Vol.18, No.68, Spring 2024                                                          Journal of Productivity Management 

 

 

 

 

 

 

 

 

 

 

Designing an Opportunity-Evaluating Model for Software Entrepreneurship in Conditions of Uncertainty: a Fuzzy Approach

 

Shiva Mehdizadeh Aghdam1, Jahangir Yadollahi Farsi23, Narges Imanipour4

 

(Received: 2022.08.15- Accepted:2022.12.14)

 

 

Abstract

Choosing a suitable opportunity in conditions of uncertainty is a common problem for entrepreneurs. The software startup procedure is particularly vulnerable to extreme uncertainty and competition; therefore, analyzing opportunities and threats is critical for software entrepreneurs. Hence, the present study aims to identify the criteria of uncertainty in evaluating entrepreneurial opportunities in technology-driven businesses of the software industry with a fuzzy approach using a mixture of qualitative and quantitative methods. The statistical population of the research includes experts in the software industry. In this regard, first, a theoretical basis was obtained by examining the background. Second, we performed semi-structured interviews and extracted and coded 115 phrases. Third, after combining the general and subsidiary phrases, we reached 84 phrases, and by combining similar phrases, we selected 29 phrases. Forth, after categorizing those phrases, we determined the six axes of uncertainty and used the fuzzy Ahp technique and Geometric Buckley averaging in Microsoft Excel to rank those six axes as follows: 1-uncertainty in resources, 2-uncertainty in competition, 3-technological uncertainty, 4-political uncertainty, 5-uncertainty in agents, and 6-customer uncertainty. Finally, the model of evaluating entrepreneurial opportunities in conditions of uncertainty was designed using a fuzzy approach in the software industry.

 

Key Words: opportunity evaluation, fuzzy approach, technological entrepreneurship, uncertainty

 

 

 

1. Introduction

Understanding the nature and sources of uncertainty has been the foundation of entrepreneurial decisions and the main focus of entrepreneurship. The software industry is turbulent and faces a lot of pressure due to rapid technological developments and innovations, unpredictability, and tough competition. Research on identifying and evaluating the uncertainties and opportunities that software startups create is scarce. Therefore, extensive research is important in starting software programs to help entrepreneurs make better decisions and avoid choices that lead to business failure. Most of the research in this regard is focused on the general process of entrepreneurship and is not specific to the establishment of software companies. There are a set of opportunities for entrepreneurship in the software industry, and to evaluate these opportunities, we need a model that includes a list of quantitative and qualitative criteria. Changes and dynamics, the complexity of the industry, market, and technology make the importance of qualitative components in decision-making to evaluate the opportunity to rise.

Therefore, due to the possibility of errors in choosing the right opportunity or the right idea for the opportunity, as well as the lack of knowledge to evaluate the opportunity in the conditions of uncertainty and the needs of entrepreneurs fitting the existing conditions, in this research, we want to answer the following research question:

What is an evaluation model of entrepreneurial opportunities in the conditions of uncertainty using the fuzzy approach in the software industry?

2. Literature Review

The literature review regarding opportunity evaluation shows that the logical and conceptual definition of the evaluation of existing opportunities is divided into five categories, including evaluation from a general perspective, profit estimation, loss estimation, perceived desirability, and feasibility understanding (Mehdizadeh et al, 2022). Tomy and Pardede (2017) classified uncertainties in the field of software entrepreneurship into six categories including political, technological, competitor, supplier, consumer, and resource uncertainties. Based on the related research review, uncertainty factors in software industry regarding different categories can be as follows:

A.       Political uncertainty:

Political environment, government support, employment laws, taxation, and economy (Eriksson and Li,2012; Skinner,2008; Sahoo & Nauriyal,2014; Rakesh,2014).

B.       Technological uncertainty

Technological developments, innovation speed, technological infrastructures, and alternate technological solutions (Dutot, Bergeron, & Raymond, 2014; Rose,2012).

C.       Competitive uncertainty

Competitive environment, type of competition, leading competitor, share of market, and marketing strategy (Rose,2012; Tribby,2013; Wenzel ,2012).

D.       Supplier uncertainty

Distribution channel, alliances, software licenses, and presence of substitute products (Wenzel,2012; Rose,2012; Skinner,2008)

E.       Customer uncertainty

Potential market size, segmentation, living conditions, customer needs, purchasing power, and purchase behavior (Eriksson and Li,2012; Rose,2012; Shi, Xu, & Green,2014; Ng, Macbeth, & Southern,2014; Wenzel,2012).

F.       Resource uncertainty

Social networks, capital, technological resources, patents and copyrights, skilled human resources, innovation process, R&D, operating expenses, revenue streams, and entrepreneur’s education and experience (Eriksson and Li,2012; Bergeron, and Raymond,2014; Wenzel,2012; Rose,2012; Eriksson and Li,2012; Ng, Macbeth, & Southern,2014; Dutot, Bergeron, & Raymond,2014).

Considering the existence of severe uncertainty in the software industry and also the lack of a comprehensive model regarding the evaluation of uncertainty in the above industry, the purpose of this research is to design a model for evaluating entrepreneurial opportunities under conditions of uncertainty using the fuzzy approach in the software industry.

3. Methodology

The research has a mixed methods (qualitative and quantitative) research design in which interviews, questionnaires, and expert opinions were used to answer the proposed research question. In the qualitative section, content analysis, continuous reference to the related literature, checking with participants and experts, and coding were done. In the first step, the results went through content analysis, and in the second step, they were reported in the form of ranking and grading, as well as central indicators such as the average. In the qualitative section, content analysis and coding were used for the data analysis and in the quantitative part, weighting, variance analysis and multi-criteria decision making were carried out. The fuzzy hierarchical process method was used for weighting and ranking criteria or research options, in which there are three methods for weighting: Chang's development analysis method, improved method, and Mykhailo's fuzzy prioritization method. In this study, the improved method was used since it was more appropriate as regard to the purpose of the study.

 

4. Results

As indicated by the analysis, the criterion of resource uncertainty has the first rank, competitive uncertainty has the second rank, technological uncertainty has the third rank, and political uncertainty, agent uncertainty, and customer uncertainty are in the fourth to sixth ranks. Moreover, the findings show that among the 29 sub-codes, uncertainty caused by distribution channels with a weight of 0.1111 has the first rank of uncertainty, uncertainty about the economic conditions of society with a weight of 0.0812 has the second rank, competition in the environment with a weight of 0.0689 ranks third, market share with a weight of 0.0668 ranks fourth and income stream with a weight of 0.0539 ranks fifth.

Considering the very high speed of innovations in the software industry and the change in demand for new technologies and products, the uncertainties related to distribution channels are presented as a powerful uncertainty, considering those new technologies. Due to their unstable and unpredictable nature, a more complex technology increases the level of uncertainty. Uncertainty requires evaluating new technology or innovation in terms of price, performance, and quality. Compared to other sectors, technological advancements in the software industry grow much faster, so it is important to keep up with the technology to avoid threats and misunderstanding opportunities. There is great uncertainty about customer expectations of innovative software products or services. Start-up companies often develop software applications with customers and end users fully known. Therefore, to exploit an opportunity, the entrepreneur must understand certain aspects of the user's needs. Several sources of uncertainty occur throughout the software life cycle which are unavoidable. The proper management of these uncertainties is very significant because they have been identified as the main determinants for the effective achievement of software projects whose performance is optimal.

5. Discussion

The results of the present study revealed that better decisions regarding the evaluation of software entrepreneurship opportunities, considering the rate of uncertainties in the aforementioned criteria can lead to better decisions and as a result, can reduce the degree of uncertainty for software companies. The step-by-step procedure is as follows:

Step 1-Determining the sub-criteria of uncertainty in the entrepreneurship opportunity

Step 2-Quantitative calculation of each opportunity according to the final weight of sub-criteria of each opportunity

Step 3-Quantitative comparison of available opportunities

Step 4-Choosing the right opportunity

 

 

 

 

 


 

 

 

 

 

 

 

 

 

 

 

 

طراحی مدل ارزیابی فرصت های کارآفرینی درشرایط عدم اطمینان با رویکرد فازی (مطالعه صنعت نرم افزار)

 

شيوا مهديزاده اقدم5، جهانگير يدالهي فارسي*6، نرگس ايماني پور7

 

(دریافت: 24/05/1401 -پذیرش نهایی: 23/09/1401)

 

 

چكيده

تصمیم‌گیری برای انتخاب یک فرصت مناسب در شرایط عدم اطمینان، یک معضل رایج برای کارآفرینان است؛ سیستم راه‌اندازی نرم‌افزار به طور خاص با عدم اطمینان شدید و رقابت بیش از حد مواجه می‏باشد؛ بنابراین تحلیل فرصت‌ها و تهدیدها برای کارآفرینان حیاتی است. هدف پژوهش حاضر، طراحي مدل ارزيابي فرصت هاي كارآفريني در شرايط عدم اطمينان در خصوص صنعت نرم افزار با رويكرد فازي و با استفاده از روش آميخته است. جامعۀ آماری تحقیق شامل خبرگان حوزه صنعت نرم افزار مي باشد؛ براي اين منظور ابتدا با بررسي پيشينه، مبناي نظري تحقيق به دست آمده و در ادامه پس از مصاحبه و كد گذاري، تعداد 115 عبارت اوليه استخراج شده و كد گذاري آن‌ها صورت پذيرفته است، سپس با ادغام عبارات كلي با عبارات فرعي تعداد كدها به 84 رسيده و با ادغام موارد مشابه تعداد 29 مفهوم گزينش شده كه پس از گروه بندي، شش کدمحوری استخراج گشته است. سپس با رتبۀ بندي معيارهاي به دست آمده از طريق پرسشنامه توسط خبرگان و با روش Ahp فازي، بوسیله روش میانگین هندسی باکلی در نرم افزار اكسل صورت پذيرفته است. معيار عدم اطمينان منابع داراي رتبۀ  اول، عدم اطمينان رقابتي داراي رتبۀ دوم، عدم اطمينان تكنولوژيكي رتبۀ سوم، عدم اطمينان سياسي، عدم اطمينان عامل و عدم اطمينان مشتري در رتبۀ هاي چهارم تا ششم قرار گرفته‌اند و در نهايت مدل ارزیابی فرصت های کارآفرینی درشرایط عدم اطمینان با استفاده از رویکرد فازی در صنعت نرم افزار طراحي گشته است.

 

 

واژه­های کلیدی:

ارزيابي فرصت، رويكرد فازي، كارآفريني فناورانه، عدم اطمينان 

 

مقدمه

تصمیم‌گیری برای انتخاب یک فرصت مناسب در شرایط عدم اطمینان یک معضل رایج برای کارآفرینان است؛ با در نظر گرفتن آینده نامعلوم(مک مولان و شفرد8،2006) و به خاطر تأخیر زمانی بین ارزیابی و بهره‌برداری فرصت ها(توماسجان9 و همکاران،2013)، اطلاعات کارآفرینان در مورد فرصت‌ها غیردقیق و حداقلی می باشد. درک ماهیت و منابع عدم اطمینان، پایه و اساس تصمیم گیری های کارآفرینانه و تمرکز اصلی کارآفرینی بوده است(مک کلوی10 و همکاران،2011). بسیاری از کارآفرینان، بالقوه، قادر به شناسایی فرصت‌ها هستند؛ اما اکثر سرمایه‌گذاری‌ها هنگامي که کارآفرینان درک صحیحی از خطرات مرتبط با فرصت‌ها ندارند- شکست می‌خورند(ایرلند، هیت و سیرمون11،2003). 

صنعت نرم افزار، یک صنعت آشفته است که به علت تغییرات سریع در تحولات تکنولوژیکی و نوآوری‏ها، عدم امکان پیش بینی و رقابت سخت، با فشار بسیار زیادی مواجه می‏باشد (پاترونسترو همکاران12،2014). علاوه بر این، صنعت نرم‏افزار به بسیاری از نیروهای خارجی وابسته است که شرکت ها کنترل محدودی نسبت به آنها دارند (شین و ونکاتارامان13،2000). تحقیقات در زمینه شناسایی و ارزیابی عدم قطعیت‌ها و فرصت‌هایی که راه‌اندازی نرم‌افزار ایجاد می‌کند، اندک است؛ بنابراین تحقیقات گسترده، در شروع برنامه‌های نرم‌افزاری مهم است تا به کارآفرینان کمک کند تصمیمات بهتری بگیرند و از انتخابی که منجر به شکست کسب ‌وکار می‌شود اجتناب کنند (پاترونسترو همکاران،2014). اکثر تحقیقات در این خصوص بر روی فرآیند کلی کارآفرینی متمرکز هستند و مختص تأسیس شرکت های نرم‌افزاری نیستند.

چالش اصلی در کارآفرینی نرم‌افزاری، ارزیابی فرصت‌های تجاری در بازار جهانی نوآورانه است که به سرعت در حال تغییر هستند(پاترونسترو همکاران،2014). با وجود اینکه موانع ورود به صنعت نرم‌افزار به طور قابل‌توجهی در سال‌های اخیر با توسعه فن‌آوری اطلاعات مانند رایانش ابری و نرم‌افزارهاي متن‌باز کاهش‌یافته است، صنعت نرم‌افزار تاریخچه عملیاتی محدودی دارد که برنامه‌ریزی و فعالیت در آن را همانند سایر تجارت‌ها دشوار می‌سازد(یونفی و همکاران14،2014)، بنابراین، با وجود تقاضای بی‌وقفه و نوآوری مداوم، این زمینه همیشه به سرمایه‏گذاری‏های موفق نمی‏انجامد. نرخ شکست در میان شرکت های نرم افزاری نسبت به سایر صنایع بالا است. اکثر این شرکت‏ها 2 سال بعد از تأسیس‌شان شکست خورده اند. با توجه به تحقیقات فوربز 9 مورد از 10 استارت آپ شکست می‏خورند و اکثر آنها استارت آپ های نرم افزاری می‏باشند(پاترونسترو همکاران، 2014) و کارآفرینان معمولا با ارزیابی ریسک های آینده در ارتباط با این سرمایه گذاری‌ها مواجه می‌باشند (رز15،2012). 

یک فرصت كارآفريني در صنعت نرم افزار می تواند باعث معرفی یک محصول جدید به بازار برای رفع یک نياز و یا فراهم كردن امکان خدمت به مشتریان به صورت متفاوت و بهتر با طراحي محصول جديدتر و يا طراحي محصول مورد نظر مشتريان باشد.

در صنعت نرم افزار برای کارآفرینی فرصت هایی وجود دارد که برای ارزیابی این فرصت ها به یک مدل نیاز داریم که شامل لیستی از معیارهای کمی و کیفی می باشد. تغییرات و پویایی‌ها، پیچیدگی صنعت، بازار و فناوری باعث می شود که اهمیت مؤلفه‏های کیفی در تصمیم گیری برای ارزیابی فرصت بالا رود.

بنابراین با توجه به امکان وجود خطا در انتخاب فرصت مناسب و یا ایده مناسب برای فرصت و همچنین کمبود دانش جهت ارزیابی فرصت در شرایط عدم اطمینان و نیاز کارآفرینان با توجه به شرایط موجود، در این پژوهش می‏خواهیم به اين سوال جواب دهيم كه "مدل ارزیابی فرصت‏هاي کارآفرینی درشرایط عدم اطمینان با استفاده از رویکرد فازي در صنعت نرم افزار چگونه مي باشد؟".

کارآفرینان با ارزیابی فرصت ها، برای ادامه یا پایان دادن پیگیری فرصت ها تصمیم می گیرند؛ بنابراین، ارزیابی فرصت‏ها یک مرحلۀ حیاتی در کارآفرینی است که به قضاوت در مورد جذابیت پیگیری فرصت و یا صرف نظر از آن منجر می‏شود(ویلیام و وود16، 2015). برای این قضاوت، افراد فرصت را ارزیابی می‌کنند که ساختار شناختی زیربنایی برای تعیین سطح جذابیت فرصت‌های شخصی را در بر می‌گیرد(وود و ویلیام،2014). به این ترتیب، از معیارهای قضاوت برای تعیین اینکه آیا مجموعه ای از شرایط با تصویر ذهنی افراد در ارتباط است یا خیر استفاده می‏شود(شفرد،2007). 

ارزیابی فرصت، فرآیند کاهش عدم اطمینان است که به موجب آن، فرد به طور فزاینده‌ای عوامل ذهنی، شرایط و رویدادها را تعریف می‌کند؛ به طوری که آن‌ها را به عنوان واقعیت مطلوب و شدنی آینده ببینند(دیمو17،2010). ارزیابی مطلوبیت و امکان سنجی می تواند به فرد سوم شخص (فرصت برای فرد دیگر) یا اول شخص(فرصت برای من) باشد؛ ارزیابی فرصت‏ها به عنوان اول شخص با فعالیت کارآفرینی سازگارتر است(مک مولان و شفرد،2006). بنابراین ارزیابی‌ فرصت‌ها، قضاوت مبتنی بر آینده یا مجموعه‌ای از قضاوت‌ها هستند که در آن وقایع مبهم، پیامدها و خروجی‌ها استنباط می‌شوند(هاستی18،2001). 

به طور کلی، پیشینۀ موضوع در خصوص ارزیابی فرصت‌ها نشان می دهد که تعریف منطقی و مفهومی در خصوص ارزیابی فرصت های موجود، به پنج دسته تقسیم می شود که عبارتند از: ارزیابی از ديدکلی، برآورد سود، برآورد ضرر، مطلوبيت درک شده و درک امکان‌سنجی(مهديزاده19 و همكاران،2022).

این ترکیب نظری، حاکی از آن است که برآورد سود، برآورد زیان، مطلوبیت ادراک‌شده و امکان‌سنجی درک شده معیارهای هسته‌ای ارزیابی می باشند که تعیین‌کننده اولویت‌های کارآفرینان در سطح جذابیت فرصت‌های شخصی هستند. درک نظری فعلی در مورد ماهیت ارزیابی فرصت‌ها، نشان می‌دهد که این چهار معیار با هم ترکیب می‌شوند تا جذابیت فرصت را شکل دهند(مهديزاده و همكاران،2022).

درک ماهیت و منابع عدم اطمینان، زمینه‌ساز تصمیم‌گیری کارآفرینی و کانون اصلی پژوهش های کارآفرینی می باشد(مک کالوی و همکاران20،2011). تجزیه و تحلیل داده‌ها اجازه مدیریت عدم اطمینان‌ها را در کارآفرینی فراهم می‏کند(نمبیسان21،2017).

محیط تکنولوژی با درجه بالایی از عدم اطمینان بازار، فن‌آوری و رقبا مواجه می باشد. سیستم راه‌اندازی نرم‌افزار به طور خاص با عدم اطمینان شدید و رقابت بیش از حد مواجه می‏باشد.

صنعت نرم افزاری یک صنعت آشفته است که به علت تغییرات سریع در تحولات تکنولوژیکی و نوآوری‌ها، عدم امکان پیش بینی و رقابت سخت با فشار بسیار زیادی مواجه می‏باشد(پاترونسترو همکاران، 2014). عدم اطمینان خاص، ممکن است همیشه آشکار نباشد، اما آگاهی از منابع نامطمئن می تواند روی موفقیت یا شکست یک پروژه تاثیر بگذارد. عدم اطمینان ها در پروژه های نرم افزاری را می توان با تحلیل منابع عدم اطمینان بررسی نمود؛ این عدم اطمینان ها شامل عدم اطمینان تکنولوژیکی، عدم اطمینان بازار، عدم اطمینان محیطی و عدم اطمینان اجتماعی انسانی می‏باشند (مارینهو22،2017):

تامی و پارددی(2017)در زمینه کارآفرینی نرم افزاری، عدم اطمینان ها را به عنوان عدم اطمینان های سیاسی، فناوری، رقبا، تأمین کننده، مصرف کننده و منابع طبقه بندی می نمایند. با توجه به مطالعات، فاكتورهاي عدم اطمينان در صنعت نرم افزار مطابق جدول 1 مي باشد.

تعدادی از منابع عدم اطمینان در طول چرخه عمر نرم‌افزاری رخ می‌دهند و غیرقابل‌اجتناب می‏باشند؛ مدیریت صحیح این عدم اطمینان‌ها بسیار قابل ‌توجه است؛ زیرا به عنوان عوامل تعیین‌کنندۀ اصلی برای دستیابی مؤثر به پروژه‌های نرم‌افزاری شناسایی شده‌اند که عملکرد آن‌ها بهینه است. پنج بعد عدم اطمینان در صنعت نرم افزار شامل مقررات، برآوردها، برنامه ريزي، سازمان تيم و مديريت پروژه می باشد(سانگایا و همکاران23،2018).

یک چالش مهم در کارآفرینی نرم افزاری، ارزیابی فرصت‌ها در بازار جهانی نوآورانه و پر سرعت است (پاترونسترو همکاران،2014). ارزیابی فرصت ها، مربوط به تحقیق و ارزیابی محیط بیرونی برای درک خطرات مرتبط با سرمایه گذاری می باشند. اندازه گیری یا ارزیابی موفقیت کارآفرینی یک فرایند طولانی مدت است که این فرایند، شامل ارزیابی قابلیت زنده ماندن محصول یا خدمات نرم افزاری موجود در بازار با طرح سؤال در مورد بسیاری از عدم اطمینان ها و بحث در مورد پیامدهای احتمالی می‏باشد. بررسی دقیق و حساسیت به نیازهای بازار و همچنین امکان مشاهدۀ محل استقرار منابع ممکن است به یک کارآفرین کمک کند تا فرصتی برای توسعه پیدا کند. در صورتی که کارآفرین قادر به ارزیابی محیط و ارزیابی تغییرات احتمالی باشد، فرصتی عالی برای تشخیص فرصت مناسب در این خصوص وجود خواهد داشت(تامی و پارددی،2017).  

 

جدول1- معیارهای عدم اطمينان در كارآفريني نرم افزار

Table 1: Uncertainty factors in software entrepreneurship

رديف

نتيجه تحقيق

محقق و سال تحقيق

1

محيط سياسي، قوانين حمايتي دولت، قوانين استخدام، ماليات و اقتصاد را از عوامل عدم اطمينان در خصوص كارآفريني در صنعت نرم افزار بيان كردند و در واقع به عدم اطمينان‌هاي سياسي در اين خصوص اشاره كرده‌اند.

(Eriksson and Li 2012; Skinner 2008; Sahoo and Nauriyal 2014; Rakesh 2014)

2

پيشرفت تكنولوژي، سرعت نوآوري، زير ساخت هاي فناوري و راه حل‌هاي جايگزين را به عنوان عوامل عدم اطمينان اشاره كردند كه مي توان زير مجموعه عدم اطمينان تكنولوژيكي طبقه بندي نمود.

(Dutot, Bergeron, and Raymond 2014; Rose 2012)

3

محيط رقابتي، نوع رقابت، رقيب پيشرو، سهم بازار و استراتژي بازاريابي را عوامل عدم اطمينان در نظر گرفتند و اين عوامل، زير مجموعۀ عدم اطمينان رقبا مي باشند.

(Rose 2012; Tribby 2013;

Wenzel 2012)

4

به كانال‌هاي توزيع، اتحادها، مجوز هاي نرم افزاري و محصولات جايگزين از انواع عدم اطمينان اشاره كردند كه اين عوامل زير مجموعه عدم اطمينان تامين كننده مي تواند طبقه بندي شود.

(Wenzel 2012; Rose 2012; Skinner 2008)

5

عوامل اندازه بالقوه بازار، بخش‌بندي بازار، شرايط زندگي، نيازهاي مشتري، قدرت خرید مشتریان بالقوه و رفتار خریدار را به عنوان عوامل عدم اطمينان معرفي نمودند كه در رده عدم اطمينان مشتري طبقه بندي مي گردند.

(Eriksson and Li 2012;

Rose 2012; Shi, Xu, and Green 2014; Ng, Macbeth, and Southern 2014; Wenzel 2012)

6

تحصيلات و تجربه كارآفرين، شبكه اجتماعي، سرمايه، منابع فناوري، قوانين كپي رايت، نيروي انساني ماهر، فرايند نوآوري، تحقيق و توسعه، هزينه هاي اجرايي و جريان هاي درآمدي را به عنوان منابع عدم اطمينان معرفي نمودند كه در طبقه عدم اطمينان منابع مي‌گنجند.

(Eriksson and Li 2012; Bergeron, and Raymond 2014; Wenzel 2012; Rose 2012; Eriksson and Li 2012; Ng, Macbeth, and Southern 2014; Dutot, Bergeron, and Raymond 2014)

 

با توجه به وجود عدم اطمينان شديد در صنعت نرم‌افزار و همچنين عدم وجود مدل جامع در خصوص ارزيابي عدم اطمينان در صنعت فوق، هدف اين پژوهش، طراحی مدل ارزیابی فرصت های کارآفرینی درشرایط عدم اطمینان با  استفاده از رویکرد فازی در صنعت نرم افزار مي باشد. مدل مفهومي تحقيق مطابق شكل 1  مي باشد.

img0 

شكل1- مدل مفهومي

Figure 1 - Conceptual model

 ابزار و روش:

روش تحقیق در این پژوهش، آمیخته است؛ لذا از مصاحبه، پرسشنامه، نظر خواهی از خبرگان برای پیشبرد اهداف پژوهش استفاده شده است.

در این تحقیق و به طورکلی در مطالعات کیفی از روش تحلیل محتوا، مراجعه مستمر به ادبیات و چک کردن با مشارکت کنندگان و صاحب نظران استفاده مي گردد.

نتایج در گام اول، تحلیل محتوایی است و در گام دوم در قالب تکنیک­های رتبۀ ‌بندی و درجه‌بندی و نیز شاخص­های مرکزی مانند میانگین تحلیل و گزارش می­گردد. در بخش کیفی برای تجزیه و تحلیل داده ها از تحلیل محتوا و کدگذاری استفاده شده است و در بخش کمی، از وزن دهی، تحلیل واریانس و تصمیم گیری‌های چند معیاره استفاده شد.

روش فرایند سلسله مراتبی فازی برای وزن دهی و رتبۀ  بندی معیارها و یا گزینه های پژوهش- استفاده می شود؛ در اين تحليل برای محاسبه اوزان سه روش وجود دارد: روش آنالیز توسعه چانگ24، روش بهبود یافته، روش اولویت بندی فازی میخایلو، كه از روش بهبود یافته به دليل تناسب بيشتر در اين خصوص، استفاده شده است.

بنابراين گام هاي زير را مي توان تعريف نمود:

گام 1-تشکیل مدل سلسه مراتبی پژوهش؛در این گام بعداز شناسایی معیارها،زیرمعیارها و گزینه های پژوهش باید مدل سلسله مراتبی پژوهش مشخص گردد.

گام 2-تشکیل جداول مقایسه‌های زوجی و پاسخگویی بر اساس طیف.

گام 3-محاسبه نرخ ناسازگاری مقایسه‌های زوجی؛ در این گام باید نرخ ناسازگاری مقایسه‌های زوجی بررسی شود و چنانچه این نرخ کمتر از 0.1 باشد؛ یعنی مقایسۀ زوجی از ثبات و سازگاری مناسب برخوردار است. نرخ ناسازگاری در ماتریس‌های فازی را به دو روش می توان محاسبه کرد: اول این که ماتریس مقایسه زوجی فازی را دیفازی کرد و سپس نرخ ناسازگاری آن را به صورت قطعی محاسبه نمود و یا از روش محاسبه نرخ ناسازگاری به روش گوس و بوچر محاسبه نمود.

گام 4- ادغام مقایسه‌های  زوجی

هنگامی که چندین پاسخ دهنده به مقایسه‌های زوجی پاسخ داده‌اند برای ادغام آنها از روش میانگین هندسی استفاده می‏شود تا یک ماتریس مقایسۀ زوجی ادغام شده حاصل شود. ادغام ماتریس‌های فازی به این صورت است که درایه‏های اول همه مقایسه‌ها را  با هم، درایه های دوم را نیز با هم و درایه های سوم را نیز با هم میانگین هندسی می‏گیریم.

گام 5- محاسبه اوزان با روش بهبود يافته

فرض کنید img0 مجموعه­ای از ترجیحات تصمیم­گیران در مورد یک شاخص نسبت به دیگر شاخص­ها باشد؛ ماتریس مقایسه‌های  زوجی به صورت زیر تشکیل می­شود:

img0 

 

که n تعداد عناصر مرتبط در هر سطر است. اوزان فازی هر شاخص ماتریس مقایسه‌های  زوجی بوسیلۀ روش میانگین هندسی باکلی به دست می­آید. میانگین هندسی ارزش مقایسه‌های  فازی شاخص i به هر شاخص از رابطه(1)به دست می­آید.

 

(1)

img0 

سپس وزن فازی  iمین شاخص بوسیلۀ یک عدد فازی مثلثی(2) نشان داده می­شود.

(2)

img0 

بعد از محاسبه فاکتورهای وزن فازی، بوسیلۀ رابطه(3) وزن ها را دیفازی کرده و سپس نرمال می‏کنیم.

(3)

img0 

در این پژوهش جهت محاسبه وزن در مقایسه‌های  زوجی، از عبارات کلامی و اعداد فازی مثلثی استفاده شده است.

روایی در پرسشنامه از طریق نظرخواهی از خبرگان و پایایی از طریق نرخ ناسازگاري انجام يافته است. پرسشنامۀ روش‏های تصمیم‌گیری چند معیاره روایی و پایایی ندارد اما نرخی به نام نرخ ناسازگاری موجود می باشد که آن را معادل با پایایی می نامند. این نرخ در پرسشنامه AHP فازی از طریق روش گوس و بوچر، محاسبه می شود؛ به عبارت ديگر در هر ماتريس، حاصل تقسيم شاخص ناسازگاري بر شاخص ماتريس تصادفي هم بعدش، معيار مناسبي براي قضاوت در مورد ناسازگاري ماتريس است که آن را ميزان ناسازگاري مي‌نامند. چنانچه اين عدد كوچكتر يا مساوي 0.1 باشد ماتريس از سازگاري تقريبي برخوردار است، در غير اين صورت بايد در قضاوت ها تجديد نظر شود.

 

یافته‌ها: 

در اين پژوهش، ابتدا معيار هاي عدم اطمينان در حوزه ارزيابي فرصت هاي كارآفريني براي شركت‏هاي نرم افزاري با توجه به بخش مطالعات پيشين(مهديزاده و همكاران،2022) استخراج و پس از تجزيه و تحليل داده‌هاي كيفي، عبارت‏هاي حاصل از مصاحبه  كه با 21 نفر از كارآفرينان اين حوزه صورت گرفت توسط نرم افزار Atlas.ti8 كد گذاري شد و معيارها و زير معيارهاي عدم اطمينان به دست آمد و سپس براي رتبۀ  بندي تأثير معيارهاي عدم اطمينان در ارزيابي فرصت‏هاي كارآفريني در كسب و كارهاي فناور، نظرات افراد خبره توسط پرسشنامه از طريق تبديل معيار زباني به اعداد فازي اخذ گرديد و در ادامه تجميع نظرات و نرمال‌سازي آن ها با ماتریس مقایسه‌های  زوجی وFahp  بوسیلۀ روش میانگین هندسی باکلی در نرم افزار اكسل صورت پذيرفت.

مشخصات جمعيت شناختي افراد شركت كننده در مصاحبه مطابق جدول2 مي باشد. با توجه به نتايج جدول2 جنسيت اكثر مصاحبه شوندگان با درصد فرآواني 90.48 درصد را مردان تشكيل      مي دهند و 9.52 درصد از مصاحبه شوندگان خانم مي باشند.

 

جدول2- متغيير هاي جمعيت شناختي

Table 2: Demographic variables

متغيير ها

(Variables)

فراواني

(Abundance)

درصد فراواني

(Abundance percentage)

جنسيت

(gender)

زن(Woman)

2

9.52

مرد(Man)

19

90.48

تحصيلات

(Education)

كارشناسي(bachelor)

8

38.10

كارشناسي ارشد(Master)

6

28.57

دكترا(PhD)

7

33.33

سن

(Age)

30-35

6

28.57

35-40

11

52.38

40-45

4

19.04

 

توزيع مدرك تحصيلي مصاحبه‌شوندگان نيز نشان مي دهد 33.33 درصد افراد داراي مدرك تحصيلي دكترا، 28.57 درصد داراي مدرك كارشناسي ارشد و 38.10 درصد داراي مدرك كارشناسي مي‏باشند. همچنين بيشتر مصاحبه‌شوندگان بين 35 تا 40 سال مي باشند.

پس از آماده‌سازي پروتكل مصاحبه، مصاحبه نيمه ساختار يافته با 21نفر از مديران شركت هاي فناور محور در حوزه نرم افزار در خصوص معيارهاي عدم اطمينان در ارزيابي فرصت هاي كارافريني- انجام گرفت؛ پس از تجزيه و تحليل داده هاي كيفي، عبارت هاي حاصل از مصاحبه توسط نرم افزار Atlas.ti8 كد گذاري شد؛ در طي اين كدگذاري تعداد 115 عبارت اوليه استخراج و كد گذاري آنها صورت پذيرفت. با ادغام عبارت كلي با عبارات فرعي، تعداد كدها به 84 رسيد و سپس با ادغام موارد مشابه تعداد 29 مفهوم گزينش گشتند كه پس از گروه‌بندي، شش کدمحوری استخراج گشت. پس از كدگذاري مصاحبه هاي صورت گرفته، پرسشنامه­ای در اختیار خبرگان قرار داده شد تا بر اساس طیف لیکرت 5 تايي، به هر یک از شاخص­ها امتیازی دهند. سپس میانگین امتیازات هر شاخص محاسبه شد. چنانچه میانگین امتیاز شاخصی از عدد 3 کمتر بود حذف گرديد.

پس از شناسايي عوامل پژوهش و تأیید آن ها، در این گام ابتدا مقایسه‌های زوجی معیارها، تشکیل و در اختیار 10 خبره قرار داده شد؛ بعد از پاسخگویی به مقایسه‌های  زوجی، نرخ ناسازگاری جداول محاسبه شد که همگی  از 0.1 کوچکتر بود؛ این مقایسه‌های  زوجی بر اساس طیف 1 تا 9 فازی انجام گرفت که به ترتیب در جداول 2 الی 8 قابل ملاحظه مي باشد که نشان دهنده این است که ثبات و قابلیت اطمینان مقایسه‌های  زوجی در حد قابل قبولی مي باشد. سپس با استفاده از روش میانگین هندسی پاسخ­ها ادغام شد؛ اوزان مقایسه‌های  زوجی نیز با استفاده از روش میانگین هندسی باکلی محاسبه گشته و نرمال سازي صورت پذيرفت. در جدول10 ، وزن فازي و غير فازي معيارهاي اصلي قابل مشاهده مي باشد.

 

جدول3- مقایسه‌های  زوجی معیارها (نرخ ناسازگاری: 0.02)

Table 3: Pairwise comparisons of criteria (inconsistency rate: 0.02)

img0 

 

 

جدول4- مقایسه‌های  زوجی زیرمعیارهای عدم اطمینان منابع (نرخ ناسازگاری: 0.01)

Table 4: Pairwise comparisons of resource uncertainty subscales (inconsistency rate: 0.01)

img0 

 

جدول5- مقایسه‌های  زوجی زیرمعیارهای عدم اطمینان مشتری (نرخ ناسازگاری: 0.01)

Table 5: Pairwise comparisons of customer uncertainty criteria (inconsistency rate: 0.01)

img0 

 

 

جدول6- مقایسه‌های  زوجی زیرمعیارهای عدم اطمینان عامل (نرخ ناسازگاری: 0.000)

Table 6: Pairwise comparisons of factor uncertainty subscales (inconsistency rate: 0.000)

img0 

 

 

جدول7- مقایسه‌های  زوجی زیرمعیارهای عدم اطمینان رقابتی (نرخ ناسازگاری: 0.004)

Table 7: Pairwise comparisons of competitive uncertainty subscales (inconsistency rate: 0.004)

img0 

 

جدول8- مقایسه‌های زوجی زیرمعیارهای عدم اطمینان تکنولوژیکی (نرخ ناسازگاری: 0.005)

Table 8: pairwise comparisons of technological uncertainty criteria (inconsistency rate: 0.005)

img0 

 

 

جدول9- مقایسه‌های  زوجی زیرمعیارهای عدم اطمینان سیاسی (نرخ ناسازگاری: 0.01)

Table 9: Pairwise comparisons under measures of political uncertainty (inconsistency rate: 0.01)

img0 

 

 

اوزان نهایی زیرمعیارها از ضرب وزن معیارهای اصلی در وزن نسبی زیرمعیارها حاصل می­شود که در جدول 11 آورده شده است. همچنين كد معيارهاي اصلي و فرعي استفاده شده در جداول 2 الي 8  قابل مشاهده مي باشد. بر این اساس، عدم اطمينان ناشي از كانال هاي توزيع، رتبۀ  اول را در بین تمامی شاخص­ها کسب کرده است.

 

 

 

 

 

 

 

 

 

 

جدول10- وزن فازی و غیرفازی معیار­های اصلی

Table 10 - Fuzzy and non-fuzzy weights of the main criteria

img0 

 

جدول11- وزن نهايي زير معيارها

Table 11- Final weight of sub-criteria

معیار و كد معيار

Criteria and criteria code

وزن معیار

Weight

كد زير معيار

Code

زیرمعیار

under the criteria

وزن نسبی زیرمعیار

Relative weight

وزن نهایی زیرمعیار

Final weight

رتبۀ  نهایی زیرمعیار

Final rank

عدم اطمینان منابع

A

(Resource uncertainty)

0.2343

A1

مهارت منابع انسانی

Human resource skills

0.124

0.0291

14

A2

جریان درآمد

Income stream

0.230

0.0539

5

A3

هزینه اجرایی طرح

Project execution cost

0.061

0.0143

25

A4

روند نوآوری

Innovation process

0.034

0.0080

29

A5

قوانین کپی رایت

Copyright laws

0.078

0.0183

21

A6

منابع تکنولوژیکی

Technological resources

0.129

0.0302

13

A7

آموزش و تجربه کارآفرین

Education and experience

0.171

0.0401

10

A8

برآورد زمانی

Time estimate

0.173

0.0405

9

عدم اطمینان مشتری

B

(Customer uncertainty)

0.1081

B1

اندازه بازار بالقوه

Potential market size

0.142

0.0154

24

B2

شرایط کاری مشتریان

Customer working conditions

0.088

0.0095

28

B3

نیاز های مشتری

Customer needs

0.323

0,0349

12

B4

قدرت خرید مشتری

Customer buying power

0.156

0.0169

23

B5

تغییرات رفتار خرید مشتری

Customer purchasing behavior changes

0.099

0.0107

27

B6

توضیح ناکافی الزامات

Insufficient description of requirements

0.191

0.0206

18

عدم اطمینان عامل C

(Supplieruncertainty )

0.1323

C1

کانال های توزیع

Distribution channels

0.840

0.1111

1

C2

محصولات جایگزین

Alternative products

0.160

0.0212

17

عدم اطمینان رقابتی

D

(Competitive uncertainty)

0.2335

D1

رقابت در محیط

Competition in the environment

0.295

0.0689

3

D2

رقیب قدرتمند در بازار

A powerful competitor in the market

0.199

0.0465

8

D3

سهم بازار

Market share

0.286

0.0668

4

D4

استراتژی بازاریابی

marketing strategy

0.220

0.0514

7

عدم اطمینان تکنولوژیکی

E

(Technological uncertainty)

0.1480

E1

پیشرفت های تکنولوژیکی

Technological advances

0.171

0.0253

15

E2

سرعت نوآوری

Speed of innovation

0.115

0.0170

22

E3

فرآیندها و روش های نرم افزاری

Processes and software methods

0.364

0.0539

6

E4

زیر ساخت های فناوری

Technology infrastructures

0.259

0.0383

11

E5

استاندارد مشخص

Specific standard

0.092

0.0136

26

عدم اطمینان سیاسی

F

(Political uncertainty)

0.1439

F1

محیط سیاسی

Political environment

0.151

0.0217

16

F2

قوانین حمایتی دولت

Government protection laws

0.143

0.0206

19

F3

قوانین حمایتی اشتغال

Employment protection laws

0.143

0.0206

19

F4

شرایط اقتصادی جامعه

Economic conditions of society

0.564

0.0812

2

 

بحث و نتیجه‌گیری: 

با توجه به اينكه بيشتر معيارهاي ارزيابي فرصت هاي كارآفريني در صنعت نرم افزار به شكل كيفي مي‏باشد و تصميم گيري در خصوص معيارهاي كيفي و تركيب اين معيارها با متغيرهاي كمي فرد را در تصميم‌گيري و ارزيابي دچار مشكل مي نمايد و با توجه به اهميت اين موضوع در اين پژوهش معيارهاي ارزيابي عدم اطمينان در اين صنعت مورد بررسي قرار گرفت که نتايج در شکل1 قابل مشاهده مي‏باشد؛ اين نتايج حاكي از آن مي باشد كه براي تصميم‌گيري بهتر در خصوص ارزيابي فرصت هاي كارآفريني در صنعت نرم افزار با توجه به ميزان عدم اطمينان‌ها در معيارهاي ذكر شده مي توان تصميم هاي بهتري اخذ كرد و در نتيجه درجۀ اين عدم اطمينان براي شركت هاي نرم افزاري كاهش مي يابد. روش كار به صورت گام به گام به شرح زير مي باشد:

گام 1- مشخص كردن زير معيارهاي عدم اطمينان موجود در فرصت كارآفريني، جدول 11

گام 2- محاسبۀ كمي هر فرصت مطابق وزن نهايي زير معيارهاي هر فرصت، جدول 11

گام 3- مقايسۀ كمي فرصت‌هاي موجود

گام 4- انتخاب فرصت مناسب 

براي استفاده از مدل(شكل2)، ابتدا مقدار n را صفر در نظر گرفته و m را معادل تعداد    فرصت هايي مي‏گذاريم كه مي‏خواهيم مقايسه نمایيم، ماتريس مقايسه فرصت ها E(n+1,…,m+1) را تشكيل مي‏دهيم، زير معيارهاي مربوط به هر فرصت را انتخاب مي كنيم و نتايج كمي هر فرصت را مطابق وزن نهايي زير معيارهاي آن فرصت در جدول 11، محاسبه و در ماتريس قرار مي دهيم؛ در نهايت، مقايسه كمي فرصت هاي موجود و انتخاب بهترين فرصت با كمترين ميزان عدم اطمينان صورت مي پذيرد.

با توجه به تحليل‌هاي انجام شده، معيار عدم اطمينان منابع داراي رتبۀ اول، عدم اطمينان رقابتي داراي رتبۀ  دوم، عدم اطمينان تكنولوژيكي رتبۀ  سوم، عدم اطمينان سياسي، عدم اطمينان عامل و عدم اطمينان مشتري در رتبه‌هاي چهارم تا ششم قرار دارند.

يافته ها نشان مي دهد كه از بين 29 كد فرعي عدم اطمينان ناشي از كانال هاي توزيع با وزن 0.1111 داراي رتبۀ  اول عدم اطمينان، عدم اطمينان در خصوص شرایط اقتصادی جامعه با وزن 0.0812 داراي رتبۀ  دوم، رقابت در محیط با وزن 0.0689 رتبۀ  سوم، سهم بازار با وزن 0.0668  رتبۀ  چهارم و جريان درآمدي با وزن 0.0539 رتبۀ  پنجم را دارا مي باشد. وزن و رتبۀ  بعدي ساير معيارها در جدول 11 قابل مشاهده مي باشد.

با توجه به سرعت بسيار زياد نوآوری‌ها در صنعت نرم‌افزار و تغییر تقاضا برای فناوری‌ها و محصولات جدید، عدم اطمینان‌هاي مربوط به كانال‌هاي توزيع به عنوان يك عدم اطمينان قدرتمند مطرح مي‏گردد؛ با توجه به اينكه فناوری های جدید به دلیل ماهیت ناپایدار و غیرقابل پیش‌بینی بودن‌شان شناخته می‏شوند، یک فناوری پیچیده‌تر، سطح عدم اطمینان را بالاتر می‏برد. عدم اطمینان نیاز به ارزیابی فناوری جدید یا نوآوری از نظر قیمت، کارایی و کیفیت دارد. در مقایسه با سایر بخش ها، پیشرفت‏های فناوری در صنعت نرم افزار بسیار سریع‌تر رشد می کنند، بنابراین مهم است که با این فناوری همگام باشیم تا از تهدیدات و عدم درک فرصت ها جلوگیری شود.

در مورد انتظارات مشتری در مورد محصولات یا خدمات نرم افزاری نوآورانه، عدم اطمینان زیادی وجود دارد؛ شرکت‏های نوپا اغلب برنامه های نرم افزاری را توسعه می دهند که مشتریان و کاربران نهایی به طور کامل شناخته شده باشند. بنابراین برای بهره برداری از یک فرصت، کارآفرین باید جنبه های خاصی از نیازهای کاربر را درک کند.

تعدادی از منابع عدم اطمینان در طول چرخۀ عمر نرم‌افزاری رخ می‌دهند و غیرقابل‌اجتناب می باشند؛ مدیریت صحیح این عدم اطمینان‌ها بسیار قابل‌توجه است؛ زیرا به عنوان عوامل تعیین‌کنندۀ اصلی برای دستیابی مؤثر به پروژه‌های نرم‌افزاری شناسایی شده‌اند که عملکرد آن‌ها بهینه است.

با وجود ادبیات غنی در زمینۀ ارزیابی فرصت‌ها در کارآفرینی، تنها چند مطالعه در ارتباط با تأثیر عدم قطعیت‌ها در فرآیند ارزیابی فرصت‌ها در کارآفرینی صنعت نرم‌افزار وجود دارد. این مطالعات عمدتا بر برنامه‌ریزی استراتژیک و فرایند ارزیابی فرصت بدون تمرکز بر نقش عدم اطمینان و      داده های کیفی تمرکز می‌کنند.

هدف کارآفرینی، شناسایی یک فرصت اقتصادی ارزشمند است و بسیاری از تحقیقات موجود در این زمینه بر روی ارزیابی فرصت‏ها و تحلیل منابع در کارآفرینی تمرکز می کنند؛ اما هیچکدام از این کارهای تحقیقاتی، مدل جامعی در ارزیابی فرصت با استفاده از عوامل عدم اطمینان، به ویژه در کارآفرینی نرم‏افزاری، ارائه نمی دهند، هرچند عدم اطمینان در شروع راه‌اندازی نرم افزار نقش مهمی ایفا می کند.

بر اساس مطالعات پيشين، در طبقه بندي (مارینهو،2017)، معيارهايي مانند عدم اطمينان رقابتي كه يكي از عوامل مهم در عدم اطمينان هاي صنعت نرم افزار مي باشد- در نظر گرفته نشده است و ساير زير معيارها نيز به روشني مشخص نمي‏باشند و اولويت بندي در خصوص معيارها صورت نپذيرفته است.

در طبقه بندي (سانگایا و همکاران،2018) نيز نقش محيط به كل ناديده گرفته شده؛ در حالي كه محيط نقش بسزايي در عدم اطمينان ايفا مي نمايد. فاكتورهاي عدم اطمینان در کارآفرینی نرم افزار(تامی و پارددی،2017) هم‌خواني بيشتري با معيارهاي عدم اطمينان به دست آمده در اين پژوهش دارد و بايد پذيرفت كه معيارها و زير معيارها با جزئيات بيشتري مطرح گرديده ولي همچنان اولويت‌بندي در خصوص ميزان تأثير معيارهاي فوق، قابل مشاهده نمي باشد.

مطابق بررسي‌هاي صورت گرفته، معيارهاي عدم اطمينان  در خصوص برآورد زمانی، توضیح ناکافی الزامات و استاندارد مشخص در پژوهش ما علاوه بر موارد فوق از مصاحبه هاي صورت گرفته استخراج گشته و معيارهايي مانند عدم اطمينان در خصوص هزینه‌های تحقیق و توسعۀ داخلی و خارجی، دسترسی به شبکه‌های اجتماعی و میزان مالیات در عدم اطمينان ها ناشي از صنعت نرم‌افزار در كشور ما مورد توجه چنداني نبود.

در نهايت، مدل فازی طراحی شده در این خصوص می‌تواند به عنوان ابزاری مفید در دستان یک کارآفرین، کاربردهای عملی در زمینه‌های تجاری در بر داشته باشد و با توجه به جامعۀ آماری که شامل شرکت های با نوآوری فناورانه بالا در کشور می باشد و عدم وجود سابقه چنین تحقیقاتی در کشور می‏تواند در رشد و توسعه هر چه بیشتر این شرکت ها و اقتصاد جامعه مؤثر باشد.

 

img0 

شكل2- مدل ارزيابي فرصت هاي كارافريني در شرايط عدم اطمينان در صنعت نرم افزار

Figure 2 - Model for evaluating entrepreneurial opportunities in conditions of uncertainty in the software industry

پیشنهادها: 

در اين پژوهش، مدل فازي جهت ارزيابي عدم اطمينان در فرصت هاي كارآفريني صنعت نرم افزار ارائه شد؛ با توجه به اينكه عدم اطمينان‌ها، موانع اصلی موفقیت سرمایه گذاری های کارآفرینانه در صنعت نرم افزار هستند و تا كنون مدل جامعي در اين خصوص وجود نداشته است، بنابراین مدل ارائه شده در این پژوهش، شکاف موجود در اين خصوص را با ارائۀ مدلی مناسب برای کارآفرینان جهت ارزیابی فرصت‏ها در شرايط عدم اطمينان پر می کند و همچنين با توجه به اينكه اين مدل در شرايط بومي كشور طراحي شده، قابليت استفادۀ بهتر و كارآمدي را در صنعت نرم‌افزار كشورمان ايفا مي نمايد.

بنابراين پيشنهاد مي گردد در تحقيقات آتي، مدل استخراجي پژوهش با داده های واقعی در مورد سرمایه‌گذاری‌های موفق آزمایش شود.

با توجه به محدوديت تعميم‌پذيري نتايج پژوهش‌هاي كيفي بهتر است در پژوهش‌هاي آتي، عوامل مؤثر عدم اطمينان در ارزيابي از فرصت‌هاي كارآفرينانه در ساير صنايع نيز مورد بررسي قرار گيرد تا بتوان در صورت مشابهت نتايج،  نظريات و راهبردهاي عام در اين خصوص تدوين گردد.

همچنين پيشنهاد مي‌گردد براي تحقيقات آتي، مقايسه خروجی‌ها با استفاده از روش ANFIS نيز انجام گرفته و خروجي با روش فازی FAHP به كار رفته در اين مقاله مورد مقايسه و ارزیابی واقع گردد.

 

تعارض منافع: نويسندگان هيچ گونه تعارض منافعي ندارند.

 

 


References 

Autio, E., Dahlander, L., & Frederiksen, L. (2013). Information Exposure, Opportunity Evaluation, and Entrepreneurial Action: An Investigation of an Online User Community. Academy of Management Journal, 56(5), 1348-1371. doi:10.5465/amj.2010.0328

Bailey, R. C. (2021). Evaluation of International Market Opportunities: A Creation Versus Discovery Perspective. Academy of Management Proceedings, 2021(1), 12716. doi:10.5465/AMBPP.2021.12716 abstract

Batev, T., & Marks, J. (2019). Temporal Mediation of Uncertainty within Entrepreneurial Opportunity Evaluation. Academy of Management Proceedings, 26(1), 1-22. doi:10.5465/AMBPP.2019.18765abstract

Benegal, S. (2019). Opportunity Evaluation through Social Interactions and Entrepreneurial Micro-action. Academy of Management Proceedings, 2019(1), 17436. doi:10.5465/AMBPP.2019.17436abstract

Bishop, K., & Nixon, R. D. (2006). VENTURE OPPORTUNITY EVALUATIONS: COMPARISONS BETWEEN VENTURE CAPITALISTS AND INEXPERIENCED PRE-NASCENT ENTREPRENEURS. Journal of Developmental Entrepreneurship, 11(01), 19-33. doi:10.1142/s1084946706000246

Bryant, P. (2007). Self‐regulation and decision heuristics in entrepreneurial opportunity evaluation and exploitation. Management Decision, 45(4), 732-748. doi:10.1108/00251740710746006

Chan, C. S. R., & Parhankangas, A. (2017). Crowdfunding Innovative Ideas: How Incremental and Radical Innovativeness Influence Funding Outcomes. Entrepreneurship Theory and Practice, 41(2), 237-263. doi:10.1111/etap.12268

Chandra, Y. (2017). A time-based process model of international entrepreneurial opportunity evaluation. Journal of International Business Studies, 48(4), 423-451. doi:10.1057/s41267-017-0068-x

Corbett, A. C. (2005). Experiential Learning Within the Process of Opportunity Identification and Exploitation. Entrepreneurship Theory and Practice, 29(4), 473-491. doi:10.1111/j.1540-6520.2005.00094.x

Dahlqvist, J., & Wiklund, J. (2012). Measuring the market newness of new ventures. Journal of Business Venturing, 27(2), 185-196. doi:10.1016/j.jbusvent.2010.12.001

Davidsson, P. (2015). Entrepreneurial opportunities and the entrepreneurship nexus: A re-conceptualization. Journal of Business Venturing, 30(5), 674-695. doi:10.1016/j.jbusvent.2015.01.002

Digan, S. P., Kerrick, S. A., & Cumberland, D. M. (2015). The Role of Knowledge on Opportunity Evaluation Decisions: An Example from Franchising. Academy of Management Proceedings, 1, 15447. doi:10.5465/ambpp.2015.15447abstract

Dimov, D. (2010). Nascent Entrepreneurs and Venture Emergence: Opportunity Confidence, Human Capital, and Early Planning. Journal of Management Studies, 47(6), 1123-1153. doi:10.1111/j.1467-6486.2009.00874.x

Foo, M.-D. (2009). Emotions and Entrepreneurial Opportunity Evaluation. Entrepreneurship Theory and Practice, 35(2), 375-393. doi:10.1111/j.1540-6520.2009.00357.x

Grichnik, D., Smeja, A., & Welpe, I. (2010). The importance of being emotional: How do emotions affect entrepreneurial opportunity evaluation and exploitation? Journal of Economic Behavior & Organization, 76(1), 15-29. doi:10.1016/j.jebo.2010.02.010

Gruber, M., Kim, S. M., & Brinckmann, J. (2015). What is an Attractive Business Opportunity? An Empirical Study of Opportunity Evaluation Decisions by Technologists, Managers, and Entrepreneurs. Strategic Entrepreneurship Journal, 9(3), 205-225. doi:10.1002/sej.1196

Gupta, V. K., Goktan, A. B., & Gunay, G. (2014). Gender differences in evaluation of new business opportunity: A stereotype threat perspective. Journal of Business Venturing, 29(2), 273-288. doi:10.1016/j.jbusvent.2013.02.002

Hastie, R. (2001). Problems for Judgment and Decision Making. Annual Review of Psychology, 52(1), 653-683. doi:10.1146/annurev.psych. 52.1.653

Haynie, J. M., Shepherd, D. A., & McMullen, J. S. (2009). An Opportunity for Me? The Role of Resources in Opportunity Evaluation Decisions. Journal of Management Studies, 46(3), 337-361. doi:10.1111/j.1467-6486.2009.00824.x

Ireland, R. D., Hitt, M. A., & Sirmon, D. G. (2003). A Model of Strategic Entrepreneurship: The Construct and its Dimensions. Journal of Management, 29(6), 963-989. doi:10.1016/s0149-2063_03_00086-2

Keh, H. T., Der Foo, M., & Lim, B. C. (2002). Opportunity Evaluation under Risky Conditions: The Cognitive Processes of Entrepreneurs. Entrepreneurship Theory and Practice, 27(2), 125-148. doi:10.1111/1540-8520.00003

Kim, J.-S., Choi, J. H., & Lee, Y.-Z. (2010). The Fretting Wear Characteristics of CrN and TiN Coating on Steam Generator Tube. (44199), 57-58. doi:10.1115/IJTC2010-41147

Krueger, N. F., Reilly, M. D., & Carsrud, A. L. (2000). Competing models of entrepreneurial intentions. Journal of Business Venturing, 15(5), 411-432. doi:10.1016/S0883-9026(98)00033-0

Marinho, M., Sampaio, S., & Moura, H. (2017). Managing uncertainty in software projects. Innovations in Systems and Software Engineering, 14(3), 157-181. doi:10.1007/s11334-017-0297-y

McKelvie, A., Haynie, J. M., & Gustavsson, V. (2011). Unpacking the uncertainty construct: Implications for entrepreneurial action. Journal of Business Venturing, 26(3), 273-292. doi:10.1016/j.jbusvent.2009. 10.004

McMullen, J. S., & Shepherd, D. A. (2006). Entrepreneurial Action And The Role Of Uncertainty In The Theory Of The Entrepreneur. Academy of Management Review, 31(1), 132-152. doi:10.5465/amr.2006.19379628

Mehdizadeh Aghdam, S., Yadollahi Farsi, J., & Imanipour, n. (2022). Evaluating Entrepreneurial Opportunities with Bibliometric Analysis Approach (2000-2022). Public Policy In Administration, 13(48), 85-100. [In Persian]. doi:10.30495/ijpa.2022.66533.10857

Mehdizadeh Aghdam, S., Yadollahi Farsi, J., & narges, I. (2022). Identifying the effect of uncertainty criteria in evaluating entrepreneurial opportunities in technology - based ( Case study : Software industry ). Future study Management, 32(4), 137-147. [In Persian]. doi:10.30495/jmfr.2022.65777.2637

Mitchell, J. R., & Shepherd, D. A. (2010). To thine own self be true: Images of self, images of opportunity, and entrepreneurial action. Journal of Business Venturing, 25(1), 138-154. doi:10.1016/j.jbusvent.2008.08.001

Murnieks, C. Y., Cardon, M. S., Sudek, R., White, T. D., & Brooks, W. T. (2016). Drawn to the fire: The role of passion, tenacity and inspirational leadership in angel investing. Journal of Business Venturing, 31(4), 468-484. doi:10.1016/j.jbusvent.2016.05.002

Nambisan, S. (2017). Digital Entrepreneurship: Toward a Digital Technology Perspective of Entrepreneurship. Entrepreneurship Theory and Practice $V 41(6), 1029-1055.

Paternoster, N., Giardino, C., Unterkalmsteiner, M., Gorschek, T., & Abrahamsson, P. (2014). Software development in startup companies: A systematic mapping study. Information and Software Technology, 56(10), 1200-1218. doi:10.1016/j.infsof.2014.04.014

Rose, J. (2012). Software Entrepreneurship: two paradigms for promoting new information technology ventures. Software Innovation Aalborg University: Aalborg, Denmark, 1-98.

Sangaiah, A. K., Samuel, O. W., Li, X., Abdel-Basset, M., & Wang, H. (2018). Towards an efficient risk assessment in software projects–Fuzzy reinforcement paradigm. Computers & Electrical Engineering, 71, 833-846. doi:10.1016/j.compeleceng.2017.07.022

Shane, S., & Venkataraman, S. (2000). The Promise of Entrepreneurship as a Field of Research. Academy of Management Review, 25(1), 217-226. doi:10.5465/amr.2000.2791611

Shepherd, D. A., McMullen, J. S., & Jennings, P. D. (2007). The formation of opportunity beliefs: overcoming ignorance and reducing doubt. Strategic Entrepreneurship Journal, 1(1‐2), 75-95. doi:10.1002/sej.3

Shepherd, D. A., Patzelt, H., & Baron, R. A. (2013). “I Care about Nature, but …”: Disengaging Values in Assessing Opportunities that Cause Harm. Academy of Management Journal, 56(5), 1251-1273. doi:10.5465/amj.2011.0776

Tomy, S., & Pardede, E. (2017). Opportunity Evaluation Using Uncertainties in Software Entrepreneurship. Entrepreneurship Research Journal, 7(3), 1-16. doi:10.1515/erj-2016-0044

Tumasjan, A., Welpe, I., & Spörrle, M. (2012). Easy Now, Desirable Later: The Moderating Role of Temporal Distance in Opportunity Evaluation and Exploitation. Entrepreneurship Theory and Practice, 37(4), 859-888. doi:10.1111/j.1540-6520.2012.00514.x

Vogel, P. (2017). From Venture Idea to Venture Opportunity. Entrepreneurship Theory and Practice, 41(6), 943-971. doi:10.1111/etap.12234

Welpe, I. M., Spörrle, M., Grichnik, D., Michl, T., & Audretsch, D. B. (2012). Emotions and Opportunities: The Interplay of Opportunity Evaluation, Fear, Joy, and Anger as Antecedent of Entrepreneurial Exploitation. Entrepreneurship Theory and Practice, 36(1), 69-96. doi:10.1111/j.1540-6520.2011.00481.x

Williams, D. W., & Wood, M. S. (2015). Rule-Based Reasoning for Understanding Opportunity Evaluation. Academy of Management Perspectives, 29(2), 218-236. doi:10.5465/amp.2013.0017

Wood, M. S., & Williams, D. W. (2014). Opportunity Evaluation as Rule-Based Decision Making. Journal of Management Studies, 51(4), 573-602. doi:10.1111/joms.12018

Wood, M. S., McKelvie, A., & Haynie, J. M. (2014). Making it personal: Opportunity individuation and the shaping of opportunity beliefs. Journal of Business Venturing, 29(2), 252-272. doi:10.1016/j.jbusvent. 2013.02.001

Yunfei, S., Dongming, X., & Peter, G. (2014). Software startup growth: the role of dynamic capabilities, IT innovation, and customer involvement, 1-11.

 

(23)

 

 

[1] ­. Ph.D. Candidate, Department of Entrepreneurship, Qazvin Branch, Islamic Azad University, Qazvin, Iran

[2]  

[3] . Professor of Entrepreneurship Department, Faculty of Entrepreneurship, University of Tehran, Tehran, Iran

*. Corresponding Author: jfarsi@ut.ac.ir

[4] . Associate Professor, Department of Entrepreneurship, Faculty of Entrepreneurship, University of Tehran, Tehran, Iran

[5] 1. دانشجوی دكترای گروه كارآفريني، واحد قزوين، دانشگاه آزاد اسلامي، قزوين،ایران 

[6] .استاد گروه کارآفرینی، دانشکده کارآفرینی، دانشگاه تهران، تهران، ایران (نويسنده مسؤول)  jfarsi@ut.ac.ir

[7] .دانشيار گروه کارآفرینی، دانشکده کارآفرینی، دانشگاه تهران،  تهران، ایران  

[8] . McMullen & Shepherd

[9] . Tumasjan

[10] . McKelvie

[11] . Ireland et al

[12] . Paternoster et al

[13] . Shane & Venkataraman

[14] . Yunfei et al

[15] .Rose

[16] .Williams & Wood

[17] .Dimov

[18] .Hastie

[19] .Mehdizadeh

[20] .McKelvie

[21] .Nambisan

[22] .Marinho et al

[23] .Sangaiah et al

[24] .Chang


مقالات مرتبط

حقوق این وب‌سایت متعلق به سامانه مدیریت نشریات دانشگاه آزاد اسلامی است.
حق نشر © 1403-1400

صفحه اصلی| عضویت/ ورود| درباره سند| تماس با ما|
[English] [العربية] [en] [ar]