MétaCan
Menu
Retour à la cohorte
Enregistrement W3170004949 · doi:10.1108/scm-06-2020-0235

Manufacturers’ tailored responses to powerful supply chain partners

2021· article· en· W3170004949 sur OpenAlexaff
Zhexiong Tao, Shanling Li, Saibal Ray, Claudia Rebolledo

Notice bibliographique

RevueSupply Chain Management An International Journal · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOutsourcing and Supply Chain Management
Établissements canadiensHEC MontréalMcGill University
Organismes subventionnairesnon disponible
Mots-clésSupply chainBusinessDominance (genetics)Industrial organizationOriginalityMarketingSupply chain managementUpstream (networking)Competitive advantageMarket powerEconomicsMicroeconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

Purpose This study aims to investigate how relatively weaker manufacturers respond to the dominance of stronger suppliers and/or customers. The study also analyzes how the competitive intensity perceived by manufacturers moderates their responses to powerful chain partners. Design/methodology/approach Using hierarchical regression, data from 1,417 manufacturing companies sampled from the fifth and sixth versions of the International Manufacturing Strategy Survey were analyzed. Findings This study found that relatively weaker manufacturers often adopt exploration strategies to countervail the dominance of suppliers and adopt exploitation strategies to deal with more powerful customers. In dealing with both dominant suppliers and customers, relatively weaker manufacturers are prone to adopt exploration and exploitation strategies simultaneously and hence become ambidextrous. Furthermore, the link between dominance in supply chains and the exploration (exploitation) strategy is strengthened (weakened) as market competition perceived by manufacturers intensifies. Originality/value The contribution of this paper is multi-folds. First, this paper develops and test a novel theoretical model on how relatively weaker manufacturers create tailored strategies to defend their positions in the supply chain. Second, it integrates resource dependence theory and organizational learning theory to propose that relatively weaker manufacturers could use a unique configuration of exploration and exploitation strategies to counteract the dominance of their suppliers and customers. Third, it investigates supply chain power by considering the manufacturers’ upstream and downstream powerful partners together, rather than individually and fourth, it reveals that relationships linking supply chain power to manufacturers’ tailored strategies are contingent on competitive intensity.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,383
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,000
Communication savante0,0030,002
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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 Opus0,017
Tête enseignante GPT0,276
Écart entre enseignants0,259 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSupply Chain Management An International JournalMême sujetOutsourcing and Supply Chain ManagementTravaux en français237 207