MétaCan
Menu
← Retour à la cohorte
Enregistrement W1965041779 · doi:10.5539/ibr.v6n6p95

Entrepreneurial Game Theoretic Approach to Planning Flexibility and Environmental Scanning

2013· article· en· W1965041779 sur OpenAlexvenueno aff
Owolabi Lateef Kuye, Bankole Abiola, Ben E. Akpoyomare Oghojafor

Notice bibliographique

RevueInternational Business Research · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueEntrepreneurship Studies and Influences
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFlexibility (engineering)Saddle pointPoint (geometry)SaddleComputer scienceControl (management)Game theorySequential gameEntrepreneurshipMicroeconomicsOperations researchEconomicsMathematical optimizationRisk analysis (engineering)BusinessMathematicsArtificial intelligenceManagement

Résumé

récupéré en direct d'OpenAlex

This study focuses on planning flexibility and environmental scanning from the standpoint of corporate entrepreneurship, as represented by Top management. Game theory was applied in this study. In doing this, the problem was viewed from a “worst case design concept” which can be summarised as follows: The intrapreneur (the entrepreneur within a firm or corporate entrepreneurs) wishes to minimise the cost of operation while the environment tries to maximize the cost of operation. Hence, we introduce a cost functional, which is the cost of risk faced by the intrapreneur. We assume that the entrepreneur can apply flexibility in planning, hence denote this as control, while the environment that is needed to be scanned is denoted as uncertainty. The model of game is applied to allow for saddle point (a point where there is no ‘gain’ no ‘loss’) solution. The implication of this is that for a saddle point to exist in a “worst case” situation, the intrapreneur is likely to breaking-even. Thus, a proper mathematical treatment is given for such a game problem.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0030,003
Science ouverte0,0020,002
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,056
Tête enseignante GPT0,316
Écart entre enseignants0,260 · 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'étudeThéorique ou conceptuel
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

Citations2
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Business Research→Même sujetEntrepreneurship Studies and Influences→Travaux en français237 207→