Notice bibliographique
Résumé
The formulation of alliances and partnerships is a global trend that is growing at an exponential rate. In the United States, alliances now account for 18% of the revenue of Fortune 1,000 Companies—and this figure is expected to exceed 30% by 2004. In Europe, alliances are growing at an even faster rate, and already represent over 30% of revenue. According to recent surveys, 82% of United States executives believe alliances will be a prime vehicle for future growth, and managing alliances is consistently mentioned as one of their three biggest challenges. Developing a competence in alliances and other collaborative arrangements, therefore, is now high on virtually all corporate agendas. Yet the ability to successfully manage alliances remains elusive. If current trends continue, about 70% of all alliances will fail to deliver the expected results. In most cases, failure is attributed to mismatches in corporate culture, poor communications, or some similarly high-level cause. This conventional analysis camouflages some specific and fundamental capabilities that are critical for alliance success. These capabilities address facilitating and maintaining alliance-like thinking and behaviours that are a match for alliance strategies. The ability to develop the appropriate thinking and behaviour to be a valued partner is a distinct corporate competitive advantage. Using recent examples in the oil and gas industry in Canada and Australia, this paper details three key capabilities that are critical to alliance success. Some new approaches to effective partnering in any environment or industry are offered, to help in reframing the challenges that inevitably arise.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,011 | 0,023 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,006 | 0,014 |
| Communication savante | 0,018 | 0,016 |
| Science ouverte | 0,001 | 0,016 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,004 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».