MétaCan
Menu
Retour à la cohorte
Enregistrement W2024210667 · doi:10.1002/smj.329

Technology sourcing and output of established firms in a regime of encompassing technological change

2003· article· en· W2024210667 sur OpenAlexaff
Charlene L. Nicholls‐Nixon, Carolyn Y. Woo

Notice bibliographique

RevueStrategic Management Journal · 2003
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensWestern University
Organismes subventionnairesU.S. Department of Commerce
Mots-clésReputationAbsorptive capacityIndustrial organizationBusinessTechnical changeOrder (exchange)Technological changeStrategic sourcingMarketingEconomicsProductivityStrategic planningFinance

Résumé

récupéré en direct d'OpenAlex

Abstract This paper argues that when the technological basis of an industry is changing, the firm's approach to technology sourcing plays a critical role in building the capabilities needed to generate new technical outputs. Using survey and archival data from the U.S. pharmaceutical industry during the period 1981–91, we find that different approaches to technology sourcing (internal R&D and external R&D) are related to different types of biotechnology‐based output at the end of the period. Internal R&D was positively associated with patent output. Acquisition activity was positively related to number of biotechnology‐based products. Greater use of R&D contracts and licenses was associated with stronger reputation for possessing expertise in biotechnology. These findings underscore the importance of taking a multifaceted approach to technology sourcing in order to build the absorptive capacity needed to generate new technical output. Surprisingly, we also found that involvement in joint ventures was negatively related to patent output. This raises interesting questions about the strategic use of joint ventures in a regime of encompassing technological change. Copyright © 2003 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 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)0,004
score de la tête « metaresearch » (Gemma)0,019
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 enseignants0,004
Score d'incertitude au seuil0,019

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,019
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0010,001
Communication savante0,0040,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,047
Tête enseignante GPT0,247
Écart entre enseignants0,201 · 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

Citations293
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrategic Management JournalMême sujetInnovation and Knowledge ManagementTravaux en français237 207