The Imitator's Dilemma: Why Imitators Should Break Out of Imitation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Imitation and innovation are two primary R&D approaches that firms follow in technology development, especially in R&D‐intensive industries. That imitation and innovation share R&D resources and investments gives rise to what is coined in this article as the imitator's dilemma. The imitator's dilemma tells a story of why firms should break out of imitation‐oriented R&D and move toward innovation‐oriented R&D in order to sustain their innovation output and profit performance. This article contributes to the technology and innovation management literature by illuminating the imitator's dilemma both theoretically and empirically. To this end, this study develops and tests hypotheses to investigate the influence of a firm's imitation activity on its innovation output and profit performance, which represent a gap in the current literature. A longitudinal research design is followed on an unbalanced panel dataset between 1991 and 2010 from a sample of 227 firms in three R&D‐intensive manufacturing industries in the United States, including computer, semiconductor, and pharmaceutical. The results of this research reveal a dilemma for imitators. Imitation activity can generate positive returns in terms of a firm's innovation output and return on assets ROA (a measure of short‐term profits). However, these returns are unsustainable. Excessive levels of imitation activity within the firm results in negative returns in terms of its innovation output and ROA. Additionally, any level of imitation activity, low or high, negatively impacts a firm's Tobin's Q (a measure of long‐term corporate valuation). Accordingly, this article makes novel contributions to the technology and innovation management literature by explaining the imitator's dilemma and how firms may effectively manage it.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,013 | 0,009 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle