MétaCan
Menu
Retour à la cohorte
Enregistrement W2901240228 · doi:10.1080/10669868.2018.1496962

Performance Effects of Technological Dynamism: Private vs. State Enterprises in Russia

2018· article· en· W2901240228 sur OpenAlex
Xiaohua Lin, Richard Germain, Konstantin Krotov

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueJournal of East-West Business · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInternational Business and FDI
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesDeutsche Bahn
Mots-clésDynamismState (computer science)BusinessEconomic systemMarket economyIndustrial organizationBusiness administrationEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

How has the privatization-led economic transition transformed Russian firms? Prior to recent economic recession caused by Western sanctions, Russia’s economic performance has been impressive, yet little is known about its micro-level sources. Particularly, while macro-level data suggests a positive effect of privatization, such effect is seldom substantiated at firm-level in Russia. To take a step towards opening the black box, we investigated the performance effect of technology dynamism in Russian firms and the extent to which ownership mattered with regards to the technology dynamism-performance link. Our survey data shows that performance is driven by IT adoption, entrepreneurial orientation, and technological turbulence in Russian firms and that the positive effects of technological turbulence are stronger for private than for state-owned Russian firms. According to our results, Russian private enterprises appear more capable of buffering and gaining from technological turmoil, suggesting that the most significant outcome of organizational transformation in Russia is the firms enhanced capability in managing external environmental dynamism.

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 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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,038
Score d'incertitude au seuil0,664

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,007
Tête enseignante GPT0,210
Écart entre enseignants0,203 · 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