MétaCan
Menu
Retour à la cohorte
Enregistrement W2617443183 · doi:10.5465/ambpp.2015.18905abstract

SPATIAL CONSISTENCY AND TEMPORAL PERSISTENCE IN MNEs’ REPETITIVE STRATEGIC RESOURCE ALLOCATIONS

2015· article· en· W2617443183 sur OpenAlexaff
Majid Eghbali Zarch

Notice bibliographique

RevueAcademy of Management Proceedings · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueGlobal Trade and Competitiveness
Établissements canadiensMemorial University of Newfoundland
Organismes subventionnairesnon disponible
Mots-clésMultinational corporationDynamismSubsidiaryEquity (law)ExpatriateConsistency (knowledge bases)BusinessPersistence (discontinuity)Context (archaeology)Industrial organizationGeneralizability theoryEconomic geographyEconomicsComputer scienceMathematicsGeographyPolitical science

Résumé

récupéré en direct d'OpenAlex

Although scholarship regarding dynamic capability has provided meaningful contributions to our understanding of the patterns of strategic decisions, less is known about their manifestations in the context of multinational enterprises (MNEs). By focusing on recursive, high-stake strategic resource allocation decisions, we disentangle the time and space dimensions of the deployment of capabilities. More specifically, we examine the stability patterns in MNEs and their subsidiaries as a result of the application of capabilities manifested as simple organizational rules. We develop two complementary core constructs for our purpose: temporal persistence and spatial consistency. Utilizing two primary dimensions of international strategy, namely expatriate assignment and equity ownership level decisions, respectively representing repetitive and quasi-repetitive decisions, we consider the role of degree of repetitiveness in the stability and dynamism of decisions and their influence on firm performance. We find a positive effect on performance for MNEs’ spatial consistency across subsidiaries for expatriation (as a repetitive decision), and a negative effect for spatial consistency in equity ownership (as a quasi-repetitive decision). We also observe for temporal persistence in expatriation, a positive effect on 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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,732
Score d'incertitude au seuil0,764

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,062
Tête enseignante GPT0,248
Écart entre enseignants0,185 · 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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetGlobal Trade and CompetitivenessTravaux en français237 207