Safety hazard and time to recall: The role of recall strategy, product defect type, and supply chain player in the U.S. toy industry
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
Abstract This research identifies and tests key factors that can be associated with time to recall a product. Product recalls due to safety hazards entail societal costs, such as property damage, injury, and sometimes death. For firms, the related external failure costs are many, including the costs of recalling the product, providing a remedy, meeting the legal liability, and repairing damage to the firm's reputation. The recent spate of product recalls has shifted attention from why products are recalled to why it takes so long to recall a defective product that poses a safety hazard. To address this, our research subjects to empirical scrutiny the time to recall and its relationship with recall strategies, source of the defect and supply chain position of the recalling firm. We develop and verify our conceptual arguments in the U.S. toy industry by analyzing over 500 product recalls during a 15‐year period (1993–2008). The empirical results indicate that the time to recall, as measured by difference between product recall announcement date and product first sold date, is associated with (1) the recall strategy (preventive vs. reactive) adopted by the firm, (2) the type of product defect (manufacturing defect vs. design flaw), and (3) the supply chain entity that issues the recall (toy company vs. distributor vs. retailer). Our results provide cues that could trigger a firm's recognition of factors that increase the time to recall.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 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