The impact of country culture on the adoption of new forms of work organization
Notice bibliographique
Résumé
Purpose This paper aims at understanding the relationship between the adoption of new forms of work organizations (NFWOs) and measures of country impact, in terms of national culture and economic development. Design/methodology/approach The adoption of NFWO practices is measured through data from the fourth edition of the International Manufacturing Strategy Survey, while Hofstede's measures are adopted for national culture, and gross national income (GNI) per capita is used as an economic development variable. Multivariate linear regression is applied to investigate relationships, using company size as a control variable. A cluster analysis is utilized to identify groups of countries with similar cultural characteristics and to highlight different patterns of adoption of NFWO practices. Findings The authors show that it is possible to explain different patterns in the adoption of NFWO practices when considering company size and cultural variables. GNI is instead only significant for some practices and does not always positively influence the adoption of NFWO. On the other hand, cultural variables are linked to all the practices, but there is no dominant dimension to explain higher or lower NFWO adoption. Research limitations/implications Results are limited because only Hofstede's cultural variables are used and manufacturing performance is not considered. Therefore, it is not possible to discriminate between more or less successful NFWO variations. Practical implications This paper provides managers with insights on how to take into account cultural variables when transferring organizational models to different countries. Originality/value This paper contributes to previous studies showing the importance of including several contextual variables, country impact in particular, in the study of operations management.
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 | 0,003 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,000 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».