MétaCan
Menu
Retour à la cohorte
Enregistrement W2038166832 · doi:10.1016/j.jom.2014.01.004

The impact of cultural differences on buyer–supplier negotiations: An experimental study

2014· article· en· W2038166832 sur OpenAlexaff
Dina Ribbink, Curtis M. Grimm

Notice bibliographique

RevueJournal of Operations Management · 2014
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal and Cross-Cultural Management
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésNegotiationDyadContext (archaeology)Transaction costBusinessRelational viewCultural diversityMarketingQuality (philosophy)Industrial organizationMicroeconomicsEconomicsSocial psychologyPsychologySociology

Résumé

récupéré en direct d'OpenAlex

Abstract In today's global economy, an ever‐increasing number of companies are dealing with international partners, instigating a need to understand the impact of cultural differences on business interactions. Using Hall's distinction of high‐ and low‐context culture, this study investigates the direct and moderating effects of cultural differences in dyadic buyer–supplier negotiations. Theory is developed regarding the impact of culture on joint profits, juxtaposing Transaction Cost Economics and the Relational View. The theory is tested with a negotiation experiment. Participants, classified by their country of origin, negotiate prices and quality levels for three products. This study finds that cultural differences within the negotiation dyad reduce joint profits when compared to dyads of participants with similar cultural backgrounds. Cultural differences also moderate the impact of trust and bargaining strategy on joint profits. Overall, this study concludes that cultural differences, as encountered in day‐to‐day business interactions in global supply chains, significantly impact negotiation outcomes.

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)0,005
score de la tête « metaresearch » (Gemma)0,016
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Essai non randomisé · Signal consensuel: Essai non randomisé
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,016
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0020,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0080,001

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 Opus0,031
Tête enseignante GPT0,387
Écart entre enseignants0,355 · 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'étudeEssai non randomisé
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

Citations124
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Operations ManagementMême sujetGlobal and Cross-Cultural ManagementTravaux en français237 207