MétaCan
Menu
Retour à la cohorte
Enregistrement W4312899227 · doi:10.4236/ti.2022.134009

Development Strategy of New Energy Business for Traditional Car Manufacturers under the Dual-Credit Policy

2022· article· en· W4312899227 sur OpenAlexvenueno aff
Jing Jin, Shiji Jia, Jiachen Wang, Ying Li

Notice bibliographique

RevueTechnology and Investment · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueElectric Vehicles and Infrastructure
Établissements canadiensnon disponible
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésDual (grammatical number)BusinessIndustrial organizationOrder (exchange)Business modelFinanceMarketing

Résumé

récupéré en direct d'OpenAlex

With the track of new energy vehicles continuously booming and accelerating, more and more automobile manufacturers are seeking effective methods to help companies stand out. Some of them attempt to split the new energy vehicle (NEV) business module in order to boost brand competitiveness for the top spot in an increasingly competitive market. The dual-credit policy, however, makes Chinese automakers consider whether the benefits of adopting the splitting strategy exceed the drawbacks, yet few domestic studies can offer assistance. As a result, the study develops split strategy and integrative development strategy’s optimal decision models under the dual-credit policy. The paper also addresses which scenario the Integrative development approach or the splitting strategy is more advantageous and effective under using model comparison and numerical analysis. According to the study, manufacturers of fuel vehicles frequently reduce their output and raise their prices in response to the dual-credit policy. The credit price should receive significant attention from both traditional car manufacturers and NEV manufacturers due to its profound impact on both. Whether traditional car manufacturers should split the NEV business module independently depends on the pricing of NEV credits as well as the supply and demand for NEV credits. Traditional car manufacturers can only use a splitting strategy when the price of NEV credits is within a particular range and the NEV credit is surplus.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 GPT0,201
Écart entre enseignants0,183 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTechnology and InvestmentMême sujetElectric Vehicles and InfrastructureTravaux en français237 207