The Double Molotov Cocktail of Brexit and COVID-19: Can Contact Intensity Help Explain Levels of Trust and Belief in the Future between Companies?
Notice bibliographique
Résumé
Can contact intensity help explain levels of trust and belief in the future among companies? This question is particularly important in times of exogenous shocks such as Brexit and COVID-19 when various sectors frequently experience a contraction of business activity. Putnam’s theory can help explain cooperation and long-term resilience among companies when business conditions radically change. Trustworthy companies can be named ‘hard-riders’, as they are good at creating social relationships and rewarding their trading partners through social recognition and continued cooperation. With their capacity for contact intensity, hard riders receive an extra social benefit to reinforce trust-based cooperation. Survey responses from 193 participants in our new database (DanComTrust) on British and Danish small and medium-sized enterprises (SMEs) show that there is a significant effect from both contact intensity and trust intensity on belief in the future when tested individually in logit models. However, when both variables are included, all effects from contact intensity disappear and only trust intensity remains significant, indicating that the effect from contact intensity works through trust. These results suggest that a high level of contact intensity will increase the trust between cooperating companies, resulting in a greater belief in the future. This insight is relevant for maintaining and building future resilience between companies and their trading partners within and outside the EU.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| 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 ».