Notice bibliographique
Résumé
Introduction Following the presentation of our model for developing social strategy, we now turn to considering the competitive conditions conducive to corporate social strategy having a positive impact on firm performance. As should be clear from our presentation of the model, social strategy is not amenable to a one-size-fits-all approach. Rather, the formulation of social strategy must take into account both the competitive context and the unique resources and capabilities that a firm brings to the task. Scholars have argued that the development of market-based advantages is useful in less dynamic environments, while the development of capability-based advantages is vital to moderately dynamic and high-velocity environments (Grant, 1996; Teece et al ., 1997; Eisenhardt and Martin, 2000). In this chapter we will focus on how firms can achieve an advantageous market position through social strategy in different environments; in Chapter 8, we will take a closer look at resources and capabilities. The task of characterizing the competitive environment is especially challenging due to the varying ways scholars have taken up the issue (Boyd et al ., 1993). Two approaches stand out. The first is based on industrial organization economics and uses the tools of game theory to model social investment under different competitive assumptions. This approach is often applied to the macro-environment and the study, via mathematical measures, of strategic decision-making and firm behavior under norms of rationality. The second approach (introduced in Chapter 4 in our analysis of the market environment – Step 1 of Corporate Social Strategy), develops qualitative evaluations of the competitive context at multiple levels, both for the industry, and for the individual firm. This methodology depends on perceptual measures that describe the corporate decision-makers’ evaluations of the competitive environment.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,009 | 0,005 |
| Science ouverte | 0,002 | 0,005 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,058 | 0,013 |
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 ».