MétaCan
Menu
Retour à la cohorte
Enregistrement W2069444480 · doi:10.1509/jmr.11.0144

Conflict Management and Outcomes in Franchise Relationships: The Role of Regulation

2013· article· en· W2069444480 sur OpenAlexaff
Kersi D. Antia, Xu Zheng, Gary L. Frazier

Notice bibliographique

RevueJournal of Marketing Research · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFranchising Strategies and Performance
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésFranchiseContext (archaeology)BusinessAgency (philosophy)Ex-antePublic economicsLaw and economicsIndustrial organizationEconomicsMarketingSociology

Résumé

récupéré en direct d'OpenAlex

Franchise relationships are prone to conflict. To safeguard the rights of individual franchisees, several states have legislated greater franchisor disclosure (registration law) ex ante and/or franchisor “termination for good cause” (relationship law) ex post. The impact of regulatory oversight on franchisor–franchisee conflict, however, remains unclear. Relying on agency theory arguments, the authors first assess the influence of the regulatory context, both by itself and in combination with the franchise ownership structure, on the incidence of litigated conflict. Conditional on litigation, they also predict the impact of franchise regulation on both the parties’ litigation initiation and resolution choices and the resulting outcomes. The authors test the hypotheses using a unique multisource archival database of 411 instances of litigation across 75 franchise systems observed over 17 years. The results indicate that the regulatory context, by itself as well as in combination with the franchise ownership structure, significantly shapes parties’ conflict management choices. The authors also find evidence of a trade-off between prevailing in the particular conflict and achieving franchise system growth objectives.

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)0,013
score de la tête « metaresearch » (Gemma)0,066
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 enseignants0,013
Score d'incertitude au seuil0,066

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0130,066
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,003
Études des sciences et des technologies0,0040,003
Communication savante0,0070,003
Science ouverte0,0010,003
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,038
Tête enseignante GPT0,289
Écart entre enseignants0,251 · 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

Citations68
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Marketing ResearchMême sujetFranchising Strategies and PerformanceTravaux en français237 207