MétaCan
Menu
Retour à la cohorte
Enregistrement W2186638220

Comparing Organizational Structure and Design in Canadian & Russian Enterprises based in P.R. of China (Specialized in Hi-tech and Nano-technologies)

2011· article· en· W2186638220 sur OpenAlexaboutno aff
Russian Federation

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueUniversity-Industry-Government Innovation Models
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChinaOrganizational structureHigh techDelegationBusinessDecentralizationJoint ventureJoint (building)Organizational architectureIndustrial organizationKnowledge managementManagementBusiness administrationPolitical scienceEngineeringEconomicsComputer scienceMarket economy
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Organizational Design of Canadian Enterprises Based in China (CEBC) and Russian Enterprises Based in China (REBC), which specialize on manufacturing nano-tech and hi-tech products, are being compared in this article. Generally, such enterprises are Russian joint ventures possessing significant scientific potential and aggressively penetrating into the areas of nano- and hi-tech. And Canadian enterprises having classical organizational structure and being leaders in the fields of nano- and other hi-tech. After analyzing the literature on classic organizational design, management problems of hi-tech enterprises in People’s Republic of China (PRC), general problems in management of foreign joint ventures in PRC, including some web recourses, the authors had put forward a few hypotheses. H1: Structural design of joint venture specializing in nanoand hi-tech production, is strongly connected with structure design of a university they are typically tied to. H2: Structural design and related to it main management problems of Canadian and Russian joint ventures have commonalities and differences in the ways connected with the American management model (decentralization, authority delegation).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,111
Score d'incertitude au seuil0,896

Scores Codex et Gemma par catégorie

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

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 Opus0,024
Tête enseignante GPT0,195
Écart entre enseignants0,171 · 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 tête enseignante, 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

Citations0
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetUniversity-Industry-Government Innovation ModelsTravaux en français237 207