Applications and Contributions of Matching Methods to Strategy Research
Notice bibliographique
Résumé
Understanding of the theoretical properties of matching processes has increased significantly in recent years, and applications of a variety of matching methods to strategy research are just beginning to take off. Some of the matching methods now available to strategy researchers focus on the determinants of matches, others address the consequences of matches, and still others feature a combination of determinants and consequences. The objective of this symposium is to present current examples of frontier strategy research featuring matching methods, with applications in a variety of empirical contexts, including acquisitions, alliances, offshore outsourcing, and employment relationships. These applications serve to illustrate the similarities and differences among the various matching methods available and demonstrate how these methods can generate significant impact in strategy research. In addition, the symposium will provide useful information for other strategy researchers who may be considering the application of matching methods in future work, with discussion of issues such as, what empirical contexts might be suitable for each method, and what key identifying sources and assumptions are implicit in each method. Offshore Outsourcing and Buyer-Supplier Matching In The Mobile Phone Industry Presenter: Juan Alcacer; Harvard U. Presenter: Ramon Lecuona; Duke U. Presenter: Joanne E. Oxley; U. of Toronto Assortative Matching in Acquisition: Implications and Applicationse Presenter: DongHyun Shin; U. of Florida Presenter: Gwendolyn Kuo-fang Lee; U. of Florida Value Capture and Competitive Advantage: An Application to Bio- Pharmaceutical Alliances Presenter: Vlad Mares; INSEAD Presenter: Denisa Mindruta; HEC Paris Presenter: Elena Plaksenkova; HEC Paris Entrepreneurial Teams' Acquisition of Talent: A Two-Sided Approach in Tech Industries Presenter: Florence E M Honore; U. of Wisconsin, Madison Presenter: Martin Ganco; Wisconsin School of Business Competing for Talent through Contracts: Selection, Matching, Firm Organization and Investments Presenter: Orie Shelef; U. of Utah, David Eccles School of Business Presenter: Amy Nguyen-Chyung; U. of California, San Diego
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 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 | 0,003 | 0,000 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».