MétaCan
Menu
Retour à la cohorte
Enregistrement W2559950143 · doi:10.1108/s0742-332220170000036008

Too Many Cooks Spoil the Broth? Geographic Concentration, Social Norms, and Knowledge Transfer

2017· book-chapter· en· W2559950143 sur OpenAlexaff
Giada Di Stefano, Andrew King, Gianmario Verona

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineSocial Sciences
ThématiqueSocial Capital and Networks
Établissements canadiensQuest University Canada
Organismes subventionnairesnon disponible
Mots-clésKnowledge transferSociologyKnowledge managementComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract A long tradition in social science research emphasizes the potential for knowledge to flow among firms colocated in dense areas. Scholars have suggested numerous modes for these flows, including the voluntary transfer of private knowledge from one firm to another. Why would the holder of valuable private knowledge willingly transfer it to a potential and closely proximate competitor? In this paper, we argue that geographic concentration has an effect on the expected compliance with norms governing the use of transferred knowledge. The increased expected compliance favors trust and initiates a process of reciprocal exchange. To test our theory, we use a scenario-based field experiment in gourmet cuisine, an industry in which property rights do not effectively protect knowledge and geographic concentration is common. Our results confirm our conjecture by showing that the expectation that a potential colocated firm will abide by norms mediates the relationship between geographic concentration and the willingness to transfer private knowledge.

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 candidatesÉtudes des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,921
Score d'incertitude au seuil0,998

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 technologies0,0030,002
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,030
Tête enseignante GPT0,278
Écart entre enseignants0,248 · 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.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetSocial Capital and NetworksTravaux en français237 207