MétaCan
Menu
Retour à la cohorte
Enregistrement W2030507615 · doi:10.1068/a31171

Foreign Direct Investment and the Flying Geese Model: Japanese Electronics Firms in Asia-Pacific

2000· article· en· W2030507615 sur OpenAlexaff
David W. Edgington, Roger Hayter

Notice bibliographique

RevueEnvironment and Planning A Economy and Space · 2000
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueRegional Economics and Spatial Analysis
Établissements canadiensSimon Fraser UniversityUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésForeign direct investmentMultinational corporationDynamical billiardsInward investmentInternational tradeAsia pacificEconomic geographyInvestment (military)EconomyBusinessEconomicsPolitical scienceMathematics

Résumé

récupéré en direct d'OpenAlex

This paper is a critical examination of the ‘flying geese’ and ‘billiard ball’ models of foreign direct investment (FDI) and their ability to explain the spatial expansion of Japanese electronics multinationals (MNCs) in Asia-Pacific countries from 1985 to 1996. Data on Japanese FDI are analyzed in this region at the aggregate, sectoral, and firm level. The paper commences with a review of the flying geese model, especially that version which interprets Japanese FDI as a catalyst for Asian development, and the billiard ball metaphor which suggests a mechanism for host countries to ‘catch up’ with Japan. The authors then turn to an analysis of Japanese FDI in Asia-Pacific together with employment data for fourteen major firms. This allows an evaluation of the two models in terms of recent geographical patterns of investment and employment growth by electronics MNCs. A special case study of Matsushita Electric Industrial Co. Ltd (MEI) helps flesh out the evolving geography of Japanese electronics firms in Asia-Pacific. Although the results support the overall patterns suggested by the two models, the authors argue that metaphors and analogies such as flying geese and billiard balls should not be used casually and as a substitute for analysis.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil0,206

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
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0030,004
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,014
Tête enseignante GPT0,177
Écart entre enseignants0,163 · 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

Citations52
Publié2000
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironment and Planning A Economy and SpaceMême sujetRegional Economics and Spatial AnalysisTravaux en français237 207