MétaCan
Menu
Retour à la cohorte
Enregistrement W2291647034 · doi:10.1108/jbs-08-2014-0094

Bet-the-company decisions: when do they pay off?

2016· article· en· W2291647034 sur OpenAlexaff
Russell Fralich

Notice bibliographique

RevueJournal of Business Strategy · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueLaw, Economics, and Judicial Systems
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésOriginalityValue (mathematics)Face (sociological concept)BusinessMarketingComputer scienceQualitative researchSociology

Résumé

récupéré en direct d'OpenAlex

Purpose – The purpose of this paper is to examine what distinguishes bet-the-company decisions from strategic decisions in general, what forms do they take and under what circumstances do firms make them. Design/methodology/approach – From a comprehensive review and synthesis of relevant literature and media coverage since 1980, the author identifies 42 cases of bet-the-company decisions, from which the conclusions are drawn. Findings – The author identify four characteristics, three distinct types and four drivers of bet-the-company decisions. Research limitations/implications – The author draws conclusions from a qualitative analysis of 42 cases mentioned in prominent business media, supplemented by a literature review. Identifying the underlying processes that result in betting the company would require a more in-depth series of case studies. Acquiring statistical evidence would require more formal meta-analysis that this paper lacks. Practical implications – The paper identifies common characteristics, types and drivers of bet-the-company decisions that decision-makers could use to judge to recognize whether they also face such a situation. Originality/value – Executives are very sensitive to decisions with extreme consequences. This paper offers the first review of bet-the-company decisions, decisions that lie at the upper extreme of the range of strategic decision consequences.

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)0,001
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: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,114
Score d'incertitude au seuil0,692

Scores Codex et Gemma par catégorie

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

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 Opus0,050
Tête enseignante GPT0,231
Écart entre enseignants0,181 · 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'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

Citations5
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Business StrategyMême sujetLaw, Economics, and Judicial SystemsTravaux en français237 207