Organizational structure and knowledge-practice diffusion in the MNC
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose – This study aims to examine the interaction of formal and informal cross-border knowledge-sharing practices of four large multinational corporations (MNCs) in aerospace, software, IT services and telecommunications industries. The goal was to determine the manner in which coordination and control mechanisms facilitated knowledge transfer. Design/methodology/approach – Case studies comprised secondary data and semi-structured interviews with corporate headquarters and subsidiary managers in large MNCs conducted in the USA, Canada, Mexico, China, India and Eastern Europe. Findings – The primary finding of this study is that knowledge transfer mechanisms arise as a result of both formal and informal structures of the MNC. Formal structures which create either mutual dependencies or occasions for knowledge exchange facilitate transfer. Formal structure which inhibits knowledge transfer can be overcome by knowledge brokers and evaluation metrics. Research limitations/implications – These findings suggest that knowledge transfer is more informal than formal, but that MNC headquarters does play a role, intended or not, through shaping the interdependencies among geographically distributed units. Managers should be mindful of both the manner in which tasks and the organization are structured, as these have an indirect impact on the development of knowledge channels. Originality/value – This paper investigates the role of organizational structure and its effect, both intended and unintended, on the transfer of knowledge-based practices. While knowledge transfer has been heavily researched, this study examines the phenomenon at a finer-grained level of 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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle