MétaCan
Menu
Retour à la cohorte
Enregistrement W1974698186 · doi:10.1002/smj.668

Know‐how transfer: the role of social, economic/competitive, and firm boundary factors

2008· article· en· W1974698186 sur OpenAlexaff
Ariff Kachra, Roderick E. White

Notice bibliographique

RevueStrategic Management Journal · 2008
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésReciprocity (cultural anthropology)Social cueKnowledge transferAffect (linguistics)Competitive advantageMicroeconomicsEconomicsSocial psychologyPsychologyMarketingBusinessManagementCommunication

Résumé

récupéré en direct d'OpenAlex

Abstract Using policy capture methodology, this study examines the effect of different contextual cues upon the know‐how transfer efforts reported by 79 biotechnology R&D scientists. Theoretically, these different cues are believed to affect the scientists' expectation of reciprocity, and thus their know‐how transfer behavior. Three types of contextual cues between the know‐how source and recipient were studied: competitiveness, social relationship, and within or across firm boundaries. We find these cues are associated, in the expected directions, with know‐how transfer effort. The findings support a general theory of reciprocity whereby social, competitive, and firm boundary cues have a summative effect upon the expectation of reciprocity and know‐how transfer. This is the first study to examine how these cues taken together influence the know‐how transfer decision. Copyright © 2008 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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,819
Score d'incertitude au seuil0,763

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,215
Écart entre enseignants0,193 · 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 tête enseignante, 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

Citations115
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrategic Management JournalMême sujetInnovation and Knowledge ManagementTravaux en français237 207