Search and Integration in External Venturing: An Inductive Examination of Corporate Venture Capital Units
Notice bibliographique
Résumé
Research summary How do external venturing units effectively achieve external knowledge search and integration of their initiatives with mainstream organizational units? We investigate this largely unexplored question through an inductive study of 17 corporate venture capital units. We document a set of five novel practices that influence the efficacy of a unit's external search and internal integration and identify how these practices complement a broader set of practices used by all units. We highlight the entrepreneurial nature of managing an external venturing unit, often to overcome unfavorable corporate contexts, a perspective that prior research has largely overlooked. Our findings provide unique insights into why some corporate investors are better at learning from external start‐ups than others. Managerial summary External venturing involves strategic partnerships by established firms with entrepreneurial ventures. Top management usually tasks autonomous units with searching for willing and potentially valuable partners. These units must integrate their activities with the operations of parent firms to elicit cooperation from important business units. To understand how external venturing units implement search and integration in combination, we study corporate venture capital ( CVC ) units, which form external partnerships through minority investments in start‐ups. While all units adopted fundamental processes that are well established in the venture capital community, certain processes that are idiosyncratic to corporate investing helped units demonstrate superior performance in their strategic missions. These processes often required CVC unit managers to be entrepreneurial and politically savvy in building connections with relevant personnel in parent firms. Copyright © 2015 Strategic Management Society
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 | 0,011 | 0,033 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,004 | 0,008 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,002 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».