Who Governs Producer Controlled Research Organizations in the Agricultural sector, and Why?
Notice bibliographique
Résumé
Producer controlled research organizations (PCR)s) are charged with the task of investing hundreds of millions of dollars into research and development and promotion projects. In a series of interviews with the managers and directors of some of the key PCROs in Australia, the US, and Canada we observed that PCROs do not tend to separate management and oversight tasks. The producers elected directors of these organizations are involved in management decisions. This observed practice is in contrast with most of the theories and empirical studies focusing on the governance structure of non-profit (NP) and for-profit (FP) organizations (Brown & Guo, 2010; Fama & Jensen, 1983; LeRoux & Langer, 2016 ). Based on information gained from the interviews, observable characteristics of PCROs explained in the literature, and agency theory this paper develops a theoretical model to describe the unusual task assignment in the PCROs. The theoretical model suggests that because of the long investment horizons in the PCROs, the compensation of management teams based on their contributions to return on investments is not feasible. Therefore, the PCROs have to reward their executives on the basis of a measure of efforts exerted. Hence, the directors involvement reduces the volatility of managers compensation. Acknowledgement : we would like to thank Bill Kerr, Eric Micheels, Joel Bruneau, Murray Fulton and Brian Olsen for their comments and thoughts. We would also like to thank Saskatchewan Pulse Growers and Saskatchewan wheat development commission for their financial support.
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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,004 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».