MétaCan
Menu
Retour à la cohorte
Enregistrement W4200207099 · doi:10.3846/tede.2021.15335

GLOBAL SUPPLY CHAIN RELATIONSHIP, LOCAL MARKET COMPETITION, AND SUPPLIERS’ INNOVATION IN DEVELOPING ECONOMIES

2021· article· en· W4200207099 sur OpenAlexaff
Ding Lei, Gamal Atallah, Guoqiang Sun

Notice bibliographique

RevueTechnological and Economic Development of Economy · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Socioeconomic Development
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesMinistry of Education of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésSupply chainIndustrial organizationCompetition (biology)BusinessProfit (economics)Market powerCluster (spacecraft)Horizontal and verticalGlobal value chainEconomic geographyEconomicsMarketingInternational tradeMicroeconomicsComparative advantageMonopolyComputer science

Résumé

récupéré en direct d'OpenAlex

This article examines how suppliers’ innovation in developing countries is affected by the interaction of vertical global supply chain relationships and horizontal market competition structure. We devised a bidirectional dynamic game model consisting of competing suppliers in a developing economy and an overseas buyer in a developed economy for innovation decision process in a suppliers cluster. Our research shows that global supply chain relationship is the primary factor to influence local cluster innovation and profit. Total innovation of the cluster is proved to be greater in global supply relationship with a powerful buyer than a non-powerful buyer. However, suppliers in a powerful buyer chain are not able to capture the value they created from innovation. Local competition structure plays its secondary role on cluster innovation through interaction with vertical chain relationship. Based on prior innovation research on either vertical supply chain power dynamics or horizontal competition intenseness, our study contributes as the first to employ a theoretical suppliers’ innovation model for an integrative analysis encompassing both global and local power dynamics.

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 enseignants0,552
Score d'incertitude au seuil0,913

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)0,0010,000

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 Opus0,018
Tête enseignante GPT0,213
Écart entre enseignants0,195 · 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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTechnological and Economic Development of EconomyMême sujetInnovation and Socioeconomic DevelopmentTravaux en français237 207