MétaCan
Menu
Retour à la cohorte
Enregistrement W2946177352 · doi:10.1080/00208825.2019.1608397

Success Factors for Product Innovation in China’s Manufacturing Sector: Strategic Choice and Environment Constraints

2019· article· en· W2946177352 sur OpenAlexaff
Zhenzhong Ma, Quan Jin

Notice bibliographique

RevueInternational Studies of Management and Organization · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésChinaBusinessIndustrial organizationIndigenousProduct (mathematics)GlobeInvestment (military)Product innovationMarketingManufacturing sectorNew product developmentEconomicsInternational economics

Résumé

récupéré en direct d'OpenAlex

This study examines what factors contribute to firm innovation performance as a result of successful launch of new products in China. Rather than simply applying theories of product innovation often developed in the West, this study takes an indigenous perspective to explore what product strategies and which environment factors, defined by Chinese managers, contribute to the improved firm performance. With the data of Chinese firms from over 40 cities across the country, this study surveys more than 700 manufacturing firms that have introduced new products to the market. The result shows that while a defensive product strategy is negatively related to a firm’s patent application, a prospector strategy helps increase its market share in China. In addition, innovation policy and total R&D investment drive a firm to sell more products overseas and increase its new product sales across the globe. Local talent market can also help improve a firm’s patent application but often drive the firm to focus more on domestic markets. Implications of the results for theory and practice are discussed.

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)0,000
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 enseignants0,480
Score d'incertitude au seuil0,545

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,026
Tête enseignante GPT0,244
Écart entre enseignants0,219 · 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'étudeObservationnel
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

Citations14
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Studies of Management and OrganizationMême sujetInnovation and Knowledge ManagementTravaux en français237 207