MétaCan
Menu
Retour à la cohorte
Enregistrement W3125997286

High Technology Industry Associations Move Entrepreneurs into Global Markets

2003· article· en· W3125997286 sur OpenAlexaff
Michael Christie, Patricia M. Rowe, Rana Koroglu

Notice bibliographique

RevueSSRN Electronic Journal · 2003
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésAssociation (psychology)TypologyIndustrial organizationBusinessCompetitive advantageStructuringProcess (computing)High techTrade associationMarket powerPower (physics)International tradeMarketingEconomicsMarket economyPolitical science
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The competitive advantage of high-technology entrepreneurs' readiness to trade in a global market is examined. Variations in trust and power-dependence are clarified using a theoretical model. Research is done to investigate the relationship between an industry's association innovation process and the organizational structuring of enterprise development activities to achieve competitive advantage. A framework is developed to map out a typology of industry association structures and trust using three case studies of three high-tech industry associations that trade globally. Case A is of an Australian information technology association. Case B uses a New Zealand-based association for established transnational firms. Case C uses a United States association that was formed by information technology firms whose members are primarily transnational firms and to a lesser extent SMEs. It is concluded that competitive advantage for entrepreneurs to trade globally is achieved through involvement in industry associations that are democratically structured. The model and case studies show that variations in the levels of power-dependence and trust can inhibit or enhance this complicated process.(JSD)

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)0,004
score de la tête « metaresearch » (Gemma)0,011
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,011
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0040,005
Communication savante0,0080,008
Science ouverte0,0010,006
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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 Opus0,006
Tête enseignante GPT0,223
Écart entre enseignants0,217 · 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

Citations0
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetInnovation and Knowledge ManagementTravaux en français237 207