Notice bibliographique
Résumé
Purpose The purpose of this paper is to test the merits of the view that the English language has emerged as the dominant language in international business. If there is merit to this view, then the ability to speak English and its role as a lingua franca in the global economy would imply that countries which have English as an official language should have a benefit over non‐English‐speaking countries vis‐à‐vis their abilities to undertake international business. Design/methodology/approach Within an augmented gravity model framework, the importance of the English language in explaining bilateral foreign direct investment (FDI) data within the OECD is tested. In addition to English, all other common official languages within the OECD are also tested. Furthermore, the linguistic distance to English is used to test whether closeness of languages to English enhance international business activity. Findings The results indicate that English‐speaking countries within the OECD do have a benefit that comes with the English language. Furthermore, countries whose official languages are linguistically close to English benefit from the special role played by the English language. These results therefore highlight the importance of the English language in deploying multinational strategies, even in countries whose official language is not English. Research limitations/implications These results therefore indicate the importance of the English language in international business. As such, having a proficiency with English within any corporation should enhance that corporation's ability to engage in international business. Originality/value Sharing a common language with FDI partners enhances the ability to communicate, and hence enhances FDI between the countries. This paper extends this evidence to show that when the common language is English, the common language effect is strongest.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».