MétaCan
Menu
Retour à la cohorte
Enregistrement W2135384266 · doi:10.1002/jsc.647

Go and Chess as prognosis instruments for understanding competitive positions

2003· article· en· W2135384266 sur OpenAlexaff
Andreas Hoffjan

Notice bibliographique

RevueStrategic Change · 2003
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueGame Theory and Applications
Établissements canadiensAtlantic School of Theology
Organismes subventionnairesnon disponible
Mots-clésCompetitor analysisOffensiveFlexibility (engineering)Position (finance)AdversaryMarketingCompetitive advantageBusinessFirst-mover advantageIndustrial organizationEconomicsManagementComputer scienceFinance

Résumé

récupéré en direct d'OpenAlex

Abstract Asians play Go and Europeans play Chess. These two games reflect the strategic thinking which is often typical of the Asian and the European manager. Whoever understands and masters the games will be better able to understand the competitive behaviour of their international competitors and secure competitive advantage. This paper deals primarily with the explanatory power of both board games for international business strategies of Japanese and European companies. While a strategy of sequential market entry is typical for many Japanese companies, European firms often prefer quick market entry by company takeovers. Many elements of strategy in the game of Go can be found again in Japanese firms: the strong position on the domestic market, the strategy of exercising restraint, the readiness to make strategic sacrifices, the development of a sense for the direction as well as strategic flexibility. In contrast, European firms often court market entry by acquisition. This strategy is also reflected in the game of Chess: the objective of destruction of the opponent requires an offensive strategy in the opposing sphere of influence, tactical skills and distinctive analytical skills. Copyright © 2003 John Wiley & Sons, Ltd.

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)0,001
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,034

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,015
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,001
Études des sciences et des technologies0,0000,002
Communication savante0,0020,003
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0100,001

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.

Tête enseignante Opus0,524
Tête enseignante GPT0,431
Écart entre enseignants0,093 · 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'étudeThéorique ou conceptuel
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

Citations3
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrategic ChangeMême sujetGame Theory and ApplicationsTravaux en français237 207