MétaCan
Menu
Retour à la cohorte
Enregistrement W2606316729 · doi:10.22492/ijbm.2.1.04

The Insourcing and Backshoring Dilemma: Global Economies Fight for their Share

2017· article· en· W2606316729 sur OpenAlexaff
Helen Lam, Anshuman Khare

Notice bibliographique

RevueIAFOR Journal of Business & Management · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueLaw, logistics, and international trade
Établissements canadiensAthabasca University
Organismes subventionnairesnon disponible
Mots-clésInsourcingDilemmaBusinessEconomyCommerceIndustrial organizationEconomicsOutsourcingMarketing

Résumé

récupéré en direct d'OpenAlex

Since the financial crisis, there has been an increased awareness about the globally interconnected world of business, its complexity and sustainability. There is emerging evidence that one popular aspect of global supply chains, outsourcing, is taking a reverse turn and insourcing and backshoring are on the rise. Reasons for such a change include considerations for cost (labour cost, transportation cost, tax differentials, exchange rates, etc.), quality control (provider reliability, availability of internal expertise), customer satisfaction, security (protection of intellectual property and information privacy), speed to market, effect on innovation (e.g., proximity of operations with R&D), and overall risks and uncertainties (e.g. political and environmental stability). Basically, outsourcing cost advantages have been gradually eroding, especially when productivity-adjusted labour cost is considered. However, insourcing does come with a set of challenges, particularly in relation to human capital, infrastructure and the level of resource commitment. To ensure insourcing effectiveness and sustainability, all stakeholders have roles to play. Strategies and processes must all be aligned. Otherwise, the balance may once again shift toward outsourcing. This paper, then, explores how emerging economies (who have felt the negative effect of insourcing) can "fight back" to reverse the trend with adjustments to their economies, markets and organizational strategies.

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 candidatesCommunication savante
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,637
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0020,002
Science ouverte0,0010,000
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 Opus0,037
Tête enseignante GPT0,254
Écart entre enseignants0,217 · 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
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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIAFOR Journal of Business & ManagementMême sujetLaw, logistics, and international tradeTravaux en français237 207