論文の概要: GenAI in Entrepreneurship: a systematic review of generative artificial intelligence in entrepreneurship research: current issues and future directions
- arxiv url: http://arxiv.org/abs/2505.05523v1
- Date: Thu, 08 May 2025 07:44:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-12 20:40:10.016032
- Title: GenAI in Entrepreneurship: a systematic review of generative artificial intelligence in entrepreneurship research: current issues and future directions
- Title（参考訳）: GenAI in Entrepreneurship: A systematic Review of Generative Artificial Intelligence in entrepreneurship Research: current issue and future direction
- Authors: Anna Kusetogullari, Huseyin Kusetogullari, Martin Andersson, Tony Gorschek,
- Abstract要約: ジェネレーティブ・人工知能(GenAI)とLarge Language Models(LLM)は、産業とビジネスのダイナミクスに大きな影響を及ぼすと認識されている。
起業研究のテーマとしてのGenAIの知識はいまだに不足している。
本稿では、GenAIが起業家精神に与える影響について、研究の進化する景観を特定し、分析することを目的とした体系的な文献レビューを行う。
- 参考スコア（独自算出の注目度）: 1.699847765835877
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generative Artificial Intelligence (GenAI) and Large Language Models (LLMs) are recognized to have significant effects on industry and business dynamics, not least because of their impact on the preconditions for entrepreneurship. There is still a lack of knowledge of GenAI as a theme in entrepreneurship research. This paper presents a systematic literature review aimed at identifying and analyzing the evolving landscape of research on the effects of GenAI on entrepreneurship. We analyze 83 peer-reviewed articles obtained from leading academic databases: Web of Science and Scopus. Using natural language processing and unsupervised machine learning techniques with TF-IDF vectorization, Principal Component Analysis (PCA), and hierarchical clustering, five major thematic clusters are identified: (1) Digital Transformation and Behavioral Models, (2) GenAI-Enhanced Education and Learning Systems, (3) Sustainable Innovation and Strategic AI Impact, (4) Business Models and Market Trends, and (5) Data-Driven Technological Trends in Entrepreneurship. Based on the review, we discuss future research directions, gaps in the current literature, as well as ethical concerns raised in the literature. We highlight the need for more macro-level research on GenAI and LLMs as external enablers for entrepreneurship and for research on effective regulatory frameworks that facilitate business experimentation, innovation, and further technology development.
- Abstract（参考訳）: ジェネレーティブ・人工知能(GenAI)とLarge Language Models(LLM)は、特に起業の前提条件に対する影響から、産業とビジネスのダイナミクスに大きな影響を与えると認識されている。
起業研究のテーマとしてのGenAIの知識はいまだに不足している。
本稿では、GenAIが起業家精神に与える影響について、研究の進化する景観を特定し、分析することを目的とした体系的な文献レビューを行う。
我々は、主要な学術データベースであるWeb of Science and Scopusから得られた83のピアレビュー記事を分析した。
自然言語処理と、TF-IDFベクター化による教師なし機械学習技術、主成分分析(PCA)、階層クラスタリングを用いて、(1)デジタルトランスフォーメーションと行動モデル、(2)GenAI強化教育・学習システム、(3)持続可能なイノベーションと戦略AIの影響、(4)ビジネスモデルと市場動向、(5)エントレプレナーシップにおけるデータ駆動技術動向の5つの主要なセマンティッククラスタを同定した。
本稿では,今後の研究の方向性,現在の文献のギャップ,文献における倫理的懸念について論じる。
我々は,GenAI と LLM に関するよりマクロレベルの研究の必要性を強調し,ビジネス実験,イノベーション,そしてさらなる技術開発を促進する効果的な規制フレームワークの研究を行うための外部イネーブラーとして,GenAI と LLM に関するさらなる研究の必要性を強調した。
関連論文リスト
- A Inteligência Artificial Generativa no Ecossistema Acadêmico: Uma Análise de Aplicações, Desafios e Oportunidades para a Pesquisa, o Ensino e a Divulgação Científica [0.0]
高等教育におけるジェネレーティブ・人工知能の迅速かつ破壊的な統合は、基本的な学術的実践を変えつつある。
主な課題は、学術的完全性への脅威、アルゴリズムバイアスのリスク、堅牢なAIリテラシーの必要性である。
学術の未来は、この技術に対する抵抗によって定義されるのではなく、組織や個人が批判的に、倫理的に、創造的にそれに関与する能力によって定義される。
論文 参考訳（メタデータ） (2025-07-03T18:23:18Z) - AI4Research: A Survey of Artificial Intelligence for Scientific Research [55.5452803680643]
我々はAI for Research(AI4Research)に関する総合的な調査を行う。
まず、AI4Researchの5つの主要なタスクを分類する系統分類を導入する。
主要な研究ギャップを特定し、将来有望な方向性を明らかにする。
論文 参考訳（メタデータ） (2025-07-02T17:19:20Z) - AI-Driven Automation Can Become the Foundation of Next-Era Science of Science Research [58.944125758758936]
科学科学(Science of Science, SoS)は、科学的発見の基礎となるメカニズムを探求する。
人工知能(AI)の出現は、次世代のSoSに変革の機会をもたらす。
我々は、従来の手法よりもAIの利点を概説し、潜在的な制限について議論し、それらを克服するための経路を提案する。
論文 参考訳（メタデータ） (2025-05-17T15:01:33Z) - Enterprise Architecture as a Dynamic Capability for Scalable and Sustainable Generative AI adoption: Bridging Innovation and Governance in Large Organisations [55.2480439325792]
生成人工知能(Generative Artificial Intelligence)は、イノベーションを促進し、多くの産業におけるガバナンスを再形成する可能性を持つ強力な新技術である。
しかし、テクノロジの複雑さ、ガバナンスのギャップ、リソースのミスアライメントなど、GenAIをスケールする上で大きな課題に直面している。
本稿では、大企業におけるGenAI導入の複雑な要件をエンタープライズアーキテクチャ管理が満たす方法について検討する。
論文 参考訳（メタデータ） (2025-05-09T07:41:33Z) - Generative Artificial Intelligence: Evolving Technology, Growing Societal Impact, and Opportunities for Information Systems Research [1.6311895940869516]
我々は、AIの現状と今後の影響を予測するために、AIの進化と発展のトレンドを考察する。
我々は、象徴主義からコネクショナリズムへの継続的な変化に根ざした、GenAIのユニークな特徴を探求する。
論文 参考訳（メタデータ） (2025-02-25T16:34:23Z) - Transforming Science with Large Language Models: A Survey on AI-assisted Scientific Discovery, Experimentation, Content Generation, and Evaluation [58.064940977804596]
多くの新しいAIモデルとツールが提案され、世界中の研究者や学者が研究をより効果的かつ効率的に実施できるようにすることを約束している。
これらのツールの欠点と誤用の可能性に関する倫理的懸念は、議論の中で特に顕著な位置を占める。
論文 参考訳（メタデータ） (2025-02-07T18:26:45Z) - Transforming Business with Generative AI: Research, Innovation, Market Deployment and Future Shifts in Business Models [1.1650821883155187]
本稿では,ジェネレーティブAI(GenAI)がビジネス環境に与える影響について考察する。
新シュンペーター経済学の原理を適用して、GenAIがいかにして「創造的破壊」の新しい波を駆動しているかを分析する。
GenAIの展開は、倫理上の懸念、規制上の要求、仕事の移転のリスクなど、重大な課題も提示している。
論文 参考訳（メタデータ） (2024-11-04T17:41:05Z) - The Impact of Generative Artificial Intelligence on Ideation and the performance of Innovation Teams (Preprint) [0.0]
この研究は、知識の流出、生成、応用に対するAIの効果を理解するために、知識スパイルオーバー理論を応用している。
発見によると、AIによって強化されたチームは、より少ない時間で高品質なアイデアを生み出した。
論文 参考訳（メタデータ） (2024-09-23T18:25:49Z) - The Future of Fundamental Science Led by Generative Closed-Loop
Artificial Intelligence [67.70415658080121]
機械学習とAIの最近の進歩は、技術革新、製品開発、社会全体を破壊している。
AIは、科学的な実践とモデル発見のための高品質なデータの大規模なデータセットへのアクセスがより困難であるため、基礎科学にはあまり貢献していない。
ここでは、科学的な発見に対するAI駆動、自動化、クローズドループアプローチの側面を調査し、調査する。
論文 参考訳（メタデータ） (2023-07-09T21:16:56Z) - Practical and Ethical Challenges of Large Language Models in Education:
A Systematic Scoping Review [5.329514340780243]
大規模言語モデル(LLM)は、テキストコンテンツの生成と分析の面倒なプロセスを自動化する可能性がある。
これらの革新の実践性と倫理性には懸念がある。
我々は2017年以降に発行された118件の査読論文の体系的スコーピングレビューを行い、研究の現状を明らかにした。
論文 参考訳（メタデータ） (2023-03-17T18:14:46Z) - Deep Active Learning for Computer Vision: Past and Future [50.19394935978135]
AIモデルの開発に欠かせない役割にもかかわらず、アクティブラーニングの研究は他の研究の方向性ほど集中的ではない。
データ自動化の課題に対処し、自動化された機械学習システムに対処することによって、アクティブな学習はAI技術の民主化を促進する。
論文 参考訳（メタデータ） (2022-11-27T13:07:14Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。