MétaCan
Menu
Retour à la cohorte
Enregistrement W4290787202 · doi:10.1111/joms.12857

Re‐Evaluating the Offshoring Decision: A Behavioural Approach to the Role of Performance Discrepancy

2022· article· en· W4290787202 sur OpenAlexaff
Stefano Elia, Anthony Goerzen, Lucia Piscitello, Alfredo Valentino

Notice bibliographique

RevueJournal of Management Studies · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOutsourcing and Supply Chain Management
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésOffshoringRelocationAntecedent (behavioral psychology)Context (archaeology)Process (computing)BusinessMarketingIndustrial organizationDecision processKnowledge managementEconomicsPsychologySocial psychologyProcess managementComputer scienceOutsourcing

Résumé

récupéré en direct d'OpenAlex

Abstract Firms are in a continuous process of critically re‐evaluating their offshoring strategies due to performance discrepancies. While prior research has focused on the implementation of organizational responses to performance shortfalls, we examine the offline search process, a key antecedent of organizational change, during which firms simultaneously explore alternative solutions when facing either a positive or a negative discrepancy between performance and aspirations. We adopt the Behavioural Theory of the Firm (BTOF) to investigate how the search process is affected by the size and nature (as being positive or negative) of the discrepancy as well as how it is moderated by cognitive biases. By examining 441 offshoring initiatives, we study firms' search processes in a novel context that refers either to ‘local’ solutions that are close to the current activity (i.e., expansion in the same host country) or ‘distant’ solutions that are far from the current one (i.e., relocation to a third country or to the home country). Our results provide new insights into organizational search, namely that performance shortfalls lead to distant search unless this choice is moderated by a location‐specific anchor bias relating to the strategic importance of host location, while positive discrepancies trigger local search with decision‐makers more inclined to consider expansion in the current host country.

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)0,004
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,416
Score d'incertitude au seuil0,937

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,002
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 Opus0,057
Tête enseignante GPT0,290
Écart entre enseignants0,233 · 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'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

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management StudiesMême sujetOutsourcing and Supply Chain ManagementTravaux en français237 207