MétaCan
Menu
Retour à la cohorte
Enregistrement W3168140054 · doi:10.3390/jrfm14060252

Expatriate Management of Emerging Market Multinational Enterprises: A Multiple Case Study Approach

2021· article· en· W3168140054 sur OpenAlexvenueno aff
Yifan Zhong, Jiuhua Cherrie Zhu, Mingqiong Mike Zhang

Notice bibliographique

RevueJournal of risk and financial management · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInternational Business and FDI
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésExpatriateMultinational corporationBusinessInternational businessInternationalizationForeign direct investmentEmerging marketsContext (archaeology)Empirical researchMarketingIndustrial organizationEmpirical evidenceEconomic geographyInternational tradeEconomicsPolitical scienceManagementFinance

Résumé

récupéré en direct d'OpenAlex

Expatriate management has evolved through the practices of developed economy multinational enterprises (DMNEs), with the aim of improving expatriate adaptability, cross-cultural adjustment, and performance. However, most of these studies focus on expatriates from developed countries and try to help DMNEs instead of emerging market MNEs (EMNEs). In a turbulent global economy, how EMNEs manage their expatriates when conducting business through their outward foreign direct investment (FDI) is understudied. This empirical study aims to address this research gap by utilising a qualitative approach and a multiple case study. It has conducted semi-structured interviews with expatriates, executives, and middle managers of Chinese MNEs in 2014. It contributes as one of the few to systematically examine expatriate related issues in the context of EMNEs with first-hand empirical evidence. The findings show that EMNEs are leapfrogging with their internationalisation and hence their expatriate policies are often ad hoc without systematic planning. Moreover, this study has contributed to practice, especially to EMNEs, regarding the way they need to improve their expatriate policies and practices.

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)0,001
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 enseignants0,480
Score d'incertitude au seuil0,706

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
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 Opus0,011
Tête enseignante GPT0,229
Écart entre enseignants0,218 · 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

Citations13
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetInternational Business and FDITravaux en français237 207