Notice bibliographique
Résumé
Information sharing among firms within many industries accounts for a substantial part of the gains from information technology adoption in these industries. In this paper we examine the determinants of information sharing between retailers and their suppliers, in the food industry supply chain. Using a data set known as the Super Market Panel Data gathered by the University of Minnesota's Food Industry Center, the behavior of food retailers is examined in their adoption of information sharing technologies that facilitate vertical exchange of information with suppliers. Evidence supports the hypothesis that retail firms with larger number of suppliers are more inclined to share, rather than to withhold, information. Prior theoretical work suggests that this happens because retail firms with large number of suppliers are less concerned about opportunistic behavior of suppliers from the misuse of retailer information by the supplier. We also find that self‐distribution chains are more inclined to share information. Finally, the structure of the market plays an interesting role in the type of information sharing platforms that the retailers adopt. Dans de nombreux secteurs, l'échange d'information entre entreprises représente une part substantielle des gains issus de l'adoption des technologies de l'information. Dans le présent article, nous avons examiné les déterminants de l'échange d'information entre les détaillants de la chaîne d'approvisionnement alimentaire et leurs fournisseurs. À l'aide de l'ensemble de données Supermarket Panel Data, établi par le Food Industry Center de l'University of Minnesota, nous avons examiné le comportement des détaillants en alimentation quant à l'adoption des technologies d'échange d'information facilitant l'échange d'information vertical avec les fournisseurs. Les observations appuient l'hypothèse selon laquelle les détaillants qui comptent de nombreux fournisseurs sont plus disposés àéchanger qu’à retenir l'information. D'après des études théoriques antérieures, cette situation serait attribuable au fait que les détaillants qui comptent de nombreux fournisseurs sont moins préoccupés par le comportement opportuniste de fournisseurs qui utiliseraient de façon malveillante de l'information sur le détaillant. Nous avons également observé que les chaînes d'autodistribution étaient plus enclines àéchanger de l'information. Finalement, la structure du marché joue un rôle intéressant dans le type de plateformes d'échange d'information qu’adoptent les détaillants.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,014 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».