Knowledge exchanges, trust, and secretive geographies in merger and acquisition processes
Notice bibliographique
Résumé
Our current understanding of knowledge generation over geographical distance relies heavily on studies that focus on producer–user or headquarter–subsidiary settings. Less attention has been paid to the geographical particularities of knowledge exchanges in mergers and acquisitions, which involve high costs and an extraordinary degree of risk and uncertainty with potentially significant (positive or negative) consequences for the respective firms and regions alike. To keep the risks associated with such complex long-distance transactions at bay, buying firms strongly depend on robust knowledge about the structure and value of the target units while the sellers require reliable knowledge about the goals of the acquisition and the price the buyer is willing to pay. This paper aims to investigate the spatiality of related knowledge exchanges during merger and acquisition procedures by analyzing the role of face-to-face contacts and investigating the mechanisms to establish trust in undertaking such risky endeavors. Our empirical analysis focuses on national and international corporate acquisitions and takeovers involving firms located in Germany. It is based on semi-structured in-depth interviews with actors involved in mergers and acquisitions, conducted since 2012. We distinguish between the two extremes of relational and auction-based merger and acquisition procedures and systematically analyze in a process perspective (a) the conditions under which knowledge is exchanged over distance, (b) the importance of temporary proximity and how secretive geographies of meetings evolve, and (c) the ways in which trust is created and uncertainties are reduced.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 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 ».