MétaCan
Menu
Retour à la cohorte
Enregistrement W2504328292 · doi:10.5295/cdg.140491mp

Management accounting control systems’ impact on joint venture performance: the positive role of managers’ experience

2016· article· en· W2504328292 sur OpenAlexaff
Marcela Porporato

Notice bibliographique

RevueCuadernos de Gestión · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCorporate Finance and Governance
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésManagement control systemBusinessControl (management)Joint ventureManagement accountingExploratory researchInternational joint ventureJoint (building)MarketingPerformance measurementField (mathematics)Organizational performanceProcess managementAccountingIndustrial organizationOperations managementEconomicsManagementBusiness administrationEngineering

Résumé

récupéré en direct d'OpenAlex

This study explores the impact of management planning and control systems’ use on 50/50 joint venture’s performance operating in the auto industry. It explores the effect of the use of these systems by organizations operating in turbulent environments through an analysis of the impact that managers’ experience has on the intensity and purpose of use of management planning and control systems. The study of this topic emerges as the results of previous exploratory field studies of JVs (Groot and Merchant 2000) and of JVs in the auto industry (Porporato 2013) where it is suggested that management planning and control systems’ do not have a central effect on JV performance. A survey of 35 international JVs with shared ownership (50/50) shows that organizational performance improves when the uncertainty of factors perceived as controllable by managers is reduced; a factor is perceived as controllable when the manager has a high level of past experience with it. Uncertainty as it is defined by Galbraith (1973) is reduced through an intensive use of management planning and control systems, which in turn positively affects organizational performance.

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 enseignants0,126
Score d'incertitude au seuil0,618

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,010
Tête enseignante GPT0,206
Écart entre enseignants0,196 · 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCuadernos de GestiónMême sujetCorporate Finance and GovernanceTravaux en français237 207