MétaCan
Menu
Retour à la cohorte
Enregistrement W3125616677

Mutual and Exclusive: Dyadic Sources of Trust in Interorganizational Exchange

2016· article· en· W3125616677 sur OpenAlexaff
Bill McEvily, Akbar Zaheer, Darcy Fudge Kamal

Notice bibliographique

RevueChapman University Digital Commons (Chapman University) · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCustomer Service Quality and Loyalty
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDyadConceptualizationPosition (finance)Power (physics)Information exchangeSocial exchange theoryBusinessPsychologySocial psychologyComputer science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Trust in interfirm exchange has traditionally been treated as mutually held and jointly determined by the two parties in a relationship. Yet, the expectations of exchange partners can, and routinely do, differ with respect to the goals, preferences, and vulnerabilities in their shared relationship. To account for such differences in expectations, we propose a broadened conceptualization of the sources of interorganizational trust as dyadic. Viewing the sources of trust as dyadic expands the conventional focus on mutual elements to further emphasize exclusive features of an exchange relationship. To substantiate our theory, we examine a key source of interorganizational trust, exchange hazards, and assess the extent to which its effects vary as a function of (1) the locus of exchange hazards (own versus other) in the dyad, (2) the degree of power imbalance in the dyad, and (3) each party’s power position in the dyad. To assess the validity of our claims, we devise a matched dyad research design and collect identical information from both buyers and suppliers in a given exchange relationship. Based on our results, we make three unique observations consistent with the notion of dyadic sources of trust. First, the same exchange hazards have contrasting effects on trust (enhancing versus diminishing) across the dyad. Second, the degree of power imbalance has opposing effects across the dyad. Third, the relative significance of partners’ exchange hazards varies based on their respective power positions.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,625
Score d'incertitude au seuil0,958

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,003
Science ouverte0,0010,001
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 Opus0,015
Tête enseignante GPT0,182
Écart entre enseignants0,166 · 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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChapman University Digital Commons (Chapman University)Même sujetCustomer Service Quality and LoyaltyTravaux en français237 207