MétaCan
Menu
Retour à la cohorte
Enregistrement W2948575416 · doi:10.1111/gec3.12442

The role of university‐industry research centers in embedding foreign subsidiaries: Insights from automotive research and development in Ontario

2019· article· en· W2948575416 sur OpenAlexafffundabout
Elena Goracinova

Notice bibliographique

RevueGeography Compass · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésSubsidiaryMultinational corporationAutomotive industryBusinessContext (archaeology)Competition (biology)Industrial organizationParent companyMarketingPublic relationsPolitical scienceEngineering

Résumé

récupéré en direct d'OpenAlex

Abstract Regionally embedded foreign subsidiaries have an advantage over disembedded ones. The ability to draw on local knowledge networks to create differentiating capabilities can enhance the subsidiary's influence within the multinational enterprise. A subsidiary's power is shaped by its control over external resources or skills the parent company depends on to develop new products. These local relationships are then used to bargain for further mandates, sometimes in competition with sister subsidiaries. One way in which foreign subsidiaries can deepen their connections with the local context is by collaborating in their innovative efforts with university‐based collaborative research centers (CRCs). I argue that CRCs are not a panacea when it comes to embedding the subsidiaries of foreign multinational enterprises (MNEs). A review of the literature helps identify the subsidiary‐parent relationship and industry‐academia conflicts of interest as obstacles to the development of productive relationships between subsidiaries and academia. I draw on evidence from three Ontario CRCs, with different scientific focus and stakeholders and analyze how these factors shape their behavior. The study shows that long‐term CRCs‐subsidiary relationships can be challenging to establish. This is because subsidiaries remain tightly controlled by their parent companies and cannot get access to the resources necessary to pursue ambitious innovation projects. It is also challenging for subsidiaries to form long‐term relationships with CRC researchers, who prioritize other goals such as training skilled personnel and continuing their research agenda. CRCs where 1) subsidiaries have a strong bargaining position within the MNE, and 2) academic expertise is aligned with industry needs have a greater chance to contribute to future MNE embeddedness.

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)0,002
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 enseignants0,202
Score d'incertitude au seuil0,963

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,001
Intégrité de la recherche0,0000,001
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 Opus0,040
Tête enseignante GPT0,264
Écart entre enseignants0,225 · 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

Citations1
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueGeography CompassMême sujetInnovation and Knowledge ManagementTravaux en français237 207