MétaCan
Menu
Retour à la cohorte
Enregistrement W2263960472 · doi:10.1287/orsc.2015.1034

Bridging Qualitative and Quantitative Methods in Organizational Research: Applications of Synthetic Control Methodology in the U.S. Automobile Industry

2016· article· en· W2263960472 sur OpenAlex
Adam Fremeth, Guy L. F. Holburn, Brian Kelleher Richter

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueOrganization Science · 2016
Typearticle
Langueen
DomaineMathematics
ThématiqueAdvanced Causal Inference Techniques
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésCounterfactual thinkingBridging (networking)Context (archaeology)Bridge (graph theory)Empirical researchControl (management)EconometricsComputer scienceEconomicsOperations managementBusinessPsychologyMathematicsStatisticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

We assess the utility of synthetic control, a recently developed empirical methodology, for applications in organizational research. Synthetic control acts as a bridge between qualitative and quantitative research methods by enabling researchers to estimate treatment effects in contexts with small samples or few occurrences of a phenomenon or treatment event. The method constructs a counterfactual of a focal firm, or other observational unit, based on an objectively weighted combination of a small number of comparable but untreated firms. By comparing the firm’s actual performance to its counterfactual replica without treatment, synthetic control estimates, under certain assumptions, the magnitude and direction of treatment effects. We illustrate and critique the method in the context of the U.S. auto industry by estimating (a) the effect of government intervention in Chrysler’s management from 2009 to 2011 on its sales volumes and (b) the impact of Toyota’s 2010 “acceleration crisis” on Camry sales.

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.

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)0,016
score de la tête « metaresearch » (Gemma)0,040
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,645
Score d'incertitude au seuil0,968

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0160,040
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,005
Études des sciences et des technologies0,0000,002
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 Opus0,542
Tête enseignante GPT0,623
Écart entre enseignants0,081 · 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