MétaCan
Menu
Retour à la cohorte
Enregistrement W2804399367 · doi:10.1080/13675567.2018.1475554

Back-shoring or re-shoring: determinants of manufacturing offshoring from emerging to least developing countries (LDCs)

2018· article· en· W2804399367 sur OpenAlexaff
Muhammad Mohiuddin, Md. Mamunur Rashid, Md. Samim Al-Azad, Zhan Su

Notice bibliographique

RevueInternational Journal of Logistics Research and Applications · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOutsourcing and Supply Chain Management
Établissements canadiensUniversité LavalThompson Rivers University
Organismes subventionnairesnon disponible
Mots-clésOffshoringOutsourcingDeveloping countryEmerging marketsBusinessOffshore outsourcingShoringIndustrial organizationLeast Developed CountriesEconomicsEconomic growthMarketingFinanceEngineering

Résumé

récupéré en direct d'OpenAlex

Offshore outsourcing is mainly the flow of tasks from developed to emerging country firms in search of low cost production facilities. Many of these firms are now shifting their outsourcing activities from emerging to least developing countries. This paper shed light on determinants of firms based in emerging countries’ decision on shifting their outsourcing to least developing countries and to what extent it differs from developed country firm’s offshoring to emerging countries. Survey based data collected from offshoring client firms based first in South Korea and Taiwan and then engaged in re-shoring their outsourcing activities to Bangladesh and data was analyzed by multiple regression analysis. The current study found that offshoring firms enter into re-shoring to least developing countries to avail cost advantages; to have access to supplier capabilities and to focus more on strategic activities as well as to reap advantages from the institutional policy oriented advantages available in least developed countries. The findings revealed that several production factors have effects on firm’s re-shoring decision to LDCs. Transferring offshoring to LDCs and exporting from there to the developed country markets, the offshoring creates the global production network (GPN) integrating developing, emerging and developed countries.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,915
Score d'incertitude au seuil0,464

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,121
Tête enseignante GPT0,390
Écart entre enseignants0,268 · 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'étudeSans objet
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

Citations28
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Logistics Research and ApplicationsMême sujetOutsourcing and Supply Chain ManagementTravaux en français237 207