MétaCan
Menu
Retour à la cohorte
Enregistrement W2044473519 · doi:10.3917/riges.313.0056

L'impact des technologies de l'information sur les coûts de coordination des fournisseurs dans l'industrie aéronautique de Montréal

2006· article· fr· W2044473519 sur OpenAlexaffvenueabout
Claudia Rebolledo, Mathieu Dumouchel

Notice bibliographique

RevueGestion · 2006
Typearticle
Languefr
DomaineBusiness, Management and Accounting
ThématiqueBusiness Strategy and Innovation
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésHumanitiesPolitical sciencePhilosophy

Résumé

récupéré en direct d'OpenAlex

Résumé Cet article examine le rôle des technologies de l’information dans la gestion des échanges entre les donneurs d’ordres de l’industrie aéronautique de Montréal et leurs fournisseurs. Selon l’hypothèse principale de l’étude, l’utilisation des technologies de l’information diminue les coûts de coordination des fournisseurs. En outre, elle a un impact sur d’autres variables pertinentes : l’incertitude, la distance géographique et la qualité du lien entre les donneurs d’ordres et leurs fournisseurs. Ces hypothèses sont testées à l’aide de données collectées par le biais d’un questionnaire destiné aux grands donneurs d’ordres. Les résultats empiriques confirment le rôle positif des technologies de l’information dans la coordination des échanges. Ils indiquent également que les technologies de l’information réduisent l’importance de la qualité du lien entre le donneur d’ordres et le fournisseur comme outil de coordination. Contrairement à nos attentes, les résultats empiriques montrent que l’utilisation des technologies de l’information ne modère pas l’impact négatif de l’incertitude et de la distance sur les coûts de coordination. Dans l’ensemble, les résultats obtenus font ressortir le potentiel des technologies de l’information dans l’amélioration de la performance des échanges entre les donneurs d’ordres et les fournisseurs.

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)0,003
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,211
Score d'incertitude au seuil0,425

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,012
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,006
Études des sciences et des technologies0,0020,002
Communication savante0,0050,002
Science ouverte0,0010,002
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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 Opus0,020
Tête enseignante GPT0,223
Écart entre enseignants0,203 · 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

Citations5
Publié2006
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueGestionMême sujetBusiness Strategy and InnovationTravaux en français237 207