MétaCan
Menu
Retour à la cohorte
Enregistrement W1891969475 · doi:10.3968/j.css.1923669720050103.005

Ownership Structure and Firm Technical Innovation: a Theoretical and Empirical Analysis on Chinese Enterprises

2009· article· en· W1891969475 sur OpenAlexvenueno aff
Xia Dong

Notice bibliographique

RevueCanadian social science · 2009
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPossessiveBusinessBusiness administrationMarketing

Résumé

récupéré en direct d'OpenAlex

Taking more than 600 enterprises as example, this paper analyzes the influence of managers’ features on the relationship between ownership structure and technical innovation of the firm. The authors find that the managers’ care to owners benefit (Emc) and the managers’ talent(Ta) have positive influence on firm technical innovation (Inte), and the ownership share of different kinds of owners have different effects on Emc and Ta. Therefore, ownership structure can not only directly influence the technical innovation of the enterprises, but also influence it indirectly. Key words: ownership structure, firm technical innovation, managers’ care to owners benefit, the managers’ talent Resume: Prenant en exemple plus de 600 entreprises, ce document present analyse l’ influence des caracteristiques des managers sur les relations entre la structure possessive et l’innovation technique des entreprises. Les auteurs trouvent que l’attention des managers aux interets des possedants (Emc) et le talent des managers (Ta) effectue une influence positive sur l’ innovation techniquel des entreprises(Inte), et le partage possessif de possedants de toutes les sortes a de differents effects sur Emc et Ta. Cependant, la structure possessive peut influencer l’innovation technique des entreprises directement a la fois indirectement. Mots cles: structure possessive, innovation technique des entreprises, attention des managers aux interets des possedants, talent des managers

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,061

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,256
Écart entre enseignants0,244 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian social scienceMême sujetCorporate Finance and GovernanceTravaux en français237 207