Empirical Investigation on the Effects of Inter-Firm Technology Transfer Characteristics on Degree of Inter-Firm Technology Transfer: A Holistic Model
Notice bibliographique
Résumé
The current issue on inter-firm technology transfer (TT) is centered on the efficiency and effectiveness of the transfer process by the multinationals (MNCs) where the success is strongly associated with degree of technology transferred to local partners. Based on the underlying knowledge-based view (KBV) and organizational learning (OL) perspectives, the main objective of this paper is to empirically examine the effects of four critical technology transfer characteristics: knowledge, technology recipient, technology supplier, and relationship characteristics on two distinct dimensions of degree of technology transfer: degree of tacit and explicit knowledge. Using the quantitative analytical approach, the theoretical model and hypotheses in this study were tested based on empirical data gathered from 128 joint venture companies registered with the Registrar of Companies of Malaysia (ROC). Data obtained from the survey questionnaires were analyzed using the correlation coefficients and multiple linear regression analyses. The results revealed that relationship characteristics have the strongest significant effects on both degrees of tacit and explicit knowledge followed by technology supplier and recipient characteristics. Contrary to the study’s prediction, but still consistent with the recent development in literature, knowledge characteristics have only significantly affected degree of explicit knowledge not degree of tacit knowledge. The study has bridged the literature gaps by providing empirical evidence on the effects of four critical technology transfer characteristics: knowledge, technology recipient, technology supplier, and relationship characteristics on two distinct dimensions of degree of inter-firm technology transfer: degree of tacit and explicit knowledge in IJVs in a single model.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,005 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».