Geography and Strategy in Developing Countries
Notice bibliographique
Résumé
Geography plays a central role in firms’ strategic choices. Deciding where to locate operations and employees, as well as whether to move or not, can have critical performance implications. At the same time, a growing literature in strategy shows that conditions in developing economies often necessitate different firm strategies. This raises an important question at the intersection of these literatures: how do choices about geography shape firm strategy in developing economies? In this symposium, we explore this new area of research through a set of cutting edge studies, each of which examines a different way in which geography and firm strategy interact in developing economies. Our discussant, Professor Lamar Pierce, will build on these presentations and his own expertise on firm strategy in Africa to synthesize and critique the studies. Following this, the host will encourage a lively debate about how geography matters for strategy and organization theory in developing economies. Location, Gendered Constraints and Business Performance Presenter: Solene Delecourt; Haas School of Business, UC Berkeley Employee Work Novelty and Communication in a Hybrid Remote Workplace Presenter: Tarun Khanna; Harvard U. Presenter: Kyle Schirmann; Harvard Business School Presenter: Christos Makridis; MIT Sloan School of Management The Impact of Capital Constraints on Strategic Misconduct Presenter: Fulton C. Eaglin; Harvard Business School Won’t you be my neighbor? Geography, networking, and entrepreneur performance in Togo Presenter: Stefan Dimitriadis; U. of Toronto, Rotman School of Management Presenter: Rembrand Michael Koning; Harvard Business School
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 ».