Avoid, acquiesce … or engage? New insights from <scp>sub‐Saharan</scp> Africa on <scp>MNE</scp> strategies for managing corruption
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.
Notice bibliographique
Résumé
Abstract Research summary Many questions remain about how MNEs manage corruption. Moreover, what is known derives largely from the perspective and experiences of developed country MNEs. To address this limitation, we compare developed country and developing country MNEs' approaches for managing corruption in sub‐Saharan Africa. Through an inductive, qualitative research design, we discover how and why firms engage in “avoidance” and “acquiescence” strategies. We also uncover a novel “engagement” strategy pioneered by developing country firms that involves such tactics as finding innovative substitutes for corrupt activities, leveraging partnerships with governments and other firms, and forming deeper, long‐term relationships in the host country. These findings suggest that MNEs have more room for active agency and more proactive strategies for managing corruption than has typically been assumed in the literature. Managerial summary Multinational firms face challenges in host countries where corruption is common, due to concerns that they will need to engage in corrupt acts in order to survive. Some respond by simply not operating in these countries, while others fall into the trap of engaging in illicit activities. We consider an alternative perspective: that firms may use deeper positive engagement with the host country to reduce pressures to engage in corruption, by building their popular acceptance and strengthening their bargaining power. Although we find that this “engagement” approach was first used by developing country firms, developed country firms have also begun using this strategy. The logic underlying this approach can help managers succeed abroad while reducing the need to get their hands dirty in the process.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle