The effectiveness of contractual and trust‐based governance in strategic alliances under behavioral and environmental uncertainty
Notice bibliographique
Résumé
Research summary: We examine the interplay of behavioral and environmental uncertainty in shaping the effectiveness of two key governance mechanisms used by strategic alliances: contractual and trust‐based governance. We develop and test hypotheses, using a meta‐analytic dataset encompassing over 15,000 strategic alliances across 82 independent samples. We find that contractual governance works best under low to moderate levels of behavioral uncertainty and moderate to high levels of environmental uncertainty, while it is detrimental to alliance performance when both types of uncertainty are low or high. Trust‐based governance is most effective at high levels of behavioral uncertainty and low levels of environmental uncertainty. It suffers a large loss of usefulness at high behavioral uncertainty as environmental uncertainty increases . Managerial summary: Strategic alliances allow firms to gain greater efficiency and create value. Yet, many such alliances fail because they are not able to deal with the twin challenges posed by behavioral and environmental uncertainty. Findings from our meta‐analysis imply that under conditions of high behavioral uncertainty and low‐to‐moderate levels of environmental uncertainty, the use of trust‐based governance alongside contractual governance might enhance the latter's effectiveness. The combined effectiveness of contractual and trust‐based governance under high levels of both behavioral and environmental uncertainty is not obvious. When both behavioral and environmental uncertainty are high, contractual governance hurts alliance performance while trust‐based governance does not function at its best either. Under these conditions, it might be better for firms to turn to hierarchy or vertical integration . Copyright © 2015 John Wiley & Sons, Ltd.
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 | 0,055 | 0,160 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,010 |
| Bibliométrie | 0,003 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,004 | 0,004 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».