Essays on crowdfunding and innovation

Kaminski, Jermain Christopher; Piller, Frank Thomas; Salge, Torsten-Oliver

doi:HT020045355

Essays on crowdfunding and innovation

Kaminski, Jermain Christopher^RWTH*

2019

Verantwortlichkeitsangabevorgelegt von Jermain Christopher Kaminski

ImpressumAachen 2019

Umfang1 Online-Ressource (xv, 172 Seiten) : Illustrationen

Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2019

Veröffentlicht auf dem Publikationsserver der RWTH Aachen University

Genehmigende Fakultät
Fak08

Hauptberichter/Gutachter
Piller, Frank Thomas (Thesis advisor)^RWTH* ; Salge, Torsten-Oliver (Thesis advisor)^RWTH*

Tag der mündlichen Prüfung/Habilitation
2019-02-14

Online
DOI: 10.18154/RWTH-2019-03948
URL: http://publications.rwth-aachen.de/record/760105/files/760105.pdf

Einrichtungen

Lehrstuhl für Betriebswirtschaftslehre, insbesondere Technologie- und Innovationsmanagement (812710)

Inhaltliche Beschreibung (Schlagwörter)
Granger causality (frei) ; crowdfunding (frei) ; innovation (frei) ; machine learning (frei) ; venture capital (frei)

Thematische Einordnung (Klassifikation)
DDC: 330

Kurzfassung
Diese Arbeit präsentiert vier verschiedene Essays mit Theorien und Berechnungsmethoden, die veranschaulichen, wie Crowdfunding-Daten genutzt werden können, um Innovation und Unternehmertum empirisch zu analysieren. Die Analysen decken verschiedene Größenordnungen und Anwendungsbereiche ab, die von der Vorhersage aggregierter Venture Capital Investitionen, über die Messung von Lead-User Attributen und Erfolg im Crowdfunding, bis hin zu Vorhersagen über die Ergebnisse von Kampagnen mittels der Analyse von Informationen in Text, Sprache und Videos reichen. Die Methoden kombinieren Erkenntnisse aus Data Mining, Zeitreihenanalyse, Querschnittsanalyse, kausaler Inferenz, natürlicher Sprachverarbeitung und neuronalen Netzwerken und tragen dazu bei, unser Verständnis von Crowdfunding, Innovation und Entrepreneurship zu verbessern.

This dissertation presents four distinct research essays with theories and computational methods that illustrate how crowdfunding data can be used to empirically study innovation and entrepreneurship. The analyses cover different levels of scale and scope, ranging from predicting aggregate venture capital investments to measuring lead user attributes and outcomes, and predictions on campaign success by analyzing text, speech and video information. The methods combine insights from data mining, time series analysis, cross-sectional analysis, causal inference, natural language processing, and neural networks, helping to improve our understanding of crowdfunding, innovation and entrepreneurship.

OpenAccess:
PDF
(additional files)