MétaCan
Menu
Retour à la cohorte
Enregistrement W3094034955 · doi:10.1002/joom.1127

The influence of perceived host country political risk on foreign subunits' supplier development strategies

2020· article· en· W3094034955 sur OpenAlexaff
Remi Charpin, E. Erin Powell, Aleda V. Roth

Notice bibliographique

RevueJournal of Operations Management · 2020
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain Resilience and Risk Management
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésLegitimacyPolitical riskBusinessMultinational corporationPoliticsSupply chainMarketingInternational tradePolitical scienceFinance

Résumé

récupéré en direct d'OpenAlex

Abstract Recent protectionist trends (e.g., trade wars, Brexit) have challenged the stability of the global supply chains (SCs) of multinational corporations. While the SC and operations management (SC/OM) literature has examined how such sources of political risk influence strategic SC/OM decisions at the global level, we know little about how host country political risk influences the SC/OM practices of foreign subunits at the local level. We conducted an exploratory, multiple‐case study of western subunits operating in China to investigate whether managers of foreign subunits in a host country perceive political risk; and if so, how they adapt their SC/OM strategic choices to reduce its impact on their subunits. Our empirical findings suggest that variations in political risk perceptions create different political legitimacy goals that subunits attempt to meet by adapting their supplier development strategies. We induct a process model and identify three archetypes of supplier development strategy—self‐centered, collaborative, and voluntary—adopted by subunits to shape their legitimacy and mitigate political risk. We contribute to the SC/OM literature by theorizing SC/OM managers' perceived political risk, showing how foreign subunits may use supplier development to influence how the host government views them, and by complementing traditional “corporate” legitimacy‐seeking strategies with new “SC/OM” legitimacy‐seeking strategies.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,015
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,015
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0000,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,012
Tête enseignante GPT0,236
Écart entre enseignants0,223 · 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 source (Gemma direct ou Codex distillé), 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

Citations90
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Operations ManagementMême sujetSupply Chain Resilience and Risk ManagementTravaux en français237 207