The inseparable two: Impact of prior success and failure on new product development project discontinuation
Notice bibliographique
Résumé
Abstract New product development (NPD) is a risky and expensive endeavor. Therefore, discontinuing less promising NPD projects, based on their development trajectories, is very important, yet firms face challenges when deciding whether and when to discontinue NPD projects. This article examines how characteristics of a firm's prior success and failure experiences, such as the number of launched and discontinued past projects, their attributes (i.e., the codification and quality of the knowledge underlying these past projects), and their level of relatedness (i.e., similarity) to current projects, influence the risks of continuing and discontinuing NPD projects, thus impacting their future discontinuation decisions. We adopt a mixed method approach, where we formally model and empirically test the influence of prior experiences on future decision‐making. A formal model enables us to offer reasoning that considers the risks of continuing a project versus discontinuing that project as the basis for theoretical arguments for a set of proposed testable relationships. We then empirically test these relationships on 2938 new drug development projects of biopharma firms worldwide. We find that firms with a greater amount of success and failure experiences tend to discontinue less promising NPD projects sooner than firms with less success and failure experiences. Also, we find that while the attributes (particularly knowledge codification) of successful experiences predominantly helped firms decide on timely discontinuation, failure experiences influenced firms' decision on timely discontinuation only when the projects were closely related to their failure experiences.
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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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 ».