MétaCan
Menu
Retour à la cohorte
Enregistrement W2171163549 · doi:10.1509/jim.13.0111

Inconsistencies in International Product Strategies and Performance of High-Tech Firms

2014· article· en· W2171163549 sur OpenAlexaffabout
Lee Li, Gongming Qian, Zhengming Qian

Notice bibliographique

RevueJournal of International Marketing · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésHigh techHostilityProduct (mathematics)Industrial organizationBusinessNew product developmentInertiaStructural equation modelingMarketingEmerging marketsEconomicsFinancePsychologyComputer science

Résumé

récupéré en direct d'OpenAlex

This article explores two unresolved issues in the international business literature. First, it is not clear why high-tech firms should standardize their product strategies across countries. Second, the rationale for high-tech firms to forge international strategic alliances (ISAs) is unknown. Drawing on organizational ecology and structural inertia theories, this study proposes that the interactions between a firm's structural inertia and environmental hostility are hazardous to firm performance and that ISAs weaken their impacts. Using data from 167 Canadian high-tech firms, this study supports that hypothesis and uncovers important implications for research and practice. Firms’ structural inertia makes inconsistency in international product strategies destructive. When structural inertia interacts with the environmental hostility associated with high-tech industries, the impacts can be stronger. High-tech firms resort to ISAs, using their partners to implement different product strategies to avoid adverse outcomes. Thus, ISAs are mechanisms that high-tech firms use to reduce the strategy inconsistencies across countries.

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)0,003
score de la tête « metaresearch » (Gemma)0,014
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 enseignants0,070
Score d'incertitude au seuil0,140

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,014
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,001
Communication savante0,0050,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,010
Tête enseignante GPT0,219
Écart entre enseignants0,209 · 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

Citations18
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of International MarketingMême sujetInnovation and Knowledge ManagementTravaux en français237 207