MétaCan
Menu
Retour à la cohorte
Enregistrement W4328135534 · doi:10.54691/bcpbm.v38i.4247

Strategies Available to Companies in Political Disputes: A Study of Boeing's Problems in the U.S.-China Political Confrontation

2023· article· en· W4328135534 sur OpenAlexaff
Wenkai Bi, Yutong Shen, Xiaran Zhong

Notice bibliographique

RevueBCP Business & Management · 2023
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueAviation Industry Analysis and Trends
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésGeopoliticsChinaPoliticsPosition (finance)Soviet unionPolitical scienceInternational tradeEconomyPolitical economyEconomicsLawFinance

Résumé

récupéré en direct d'OpenAlex

Since the disintegration of the Soviet Union, the world's second largest economy at the time, the ever-growing China has begun to attract the attention of the United States. The United States has used various methods such as trade wars and wooing China's neighboring countries to contain China's development, and at the same time, the geopolitical conflict between China and the United States has become increasingly fierce. While the U.S. approach has curbed China’s economic growth, it has also adversely affected U.S. companies such as Boeing that have cooperated with China. This paper analyzes the impact of geopolitical tensions on Boeing and what Boeing can do to reduce the impact of geopolitics on the Boeing commercial aircraft market. To answer this question, this paper conducted a market position analysis of Boeing, studied official Boeing reports and other papers, and analyzed Boeing in terms of market and non-market aspects. The results show that U.S.-China geopolitical conflict has reduced Boeing's trade with China. The results also suggest that there is hope for a improve of Boeing's relationship with China if Boeing uses appropriate market strategies as well as non-market strategies.

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)0,002
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,081
Score d'incertitude au seuil0,160

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,007
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0050,003
Communication savante0,0050,004
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
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 Opus0,063
Tête enseignante GPT0,275
Écart entre enseignants0,212 · 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'étudeQualitatif
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

Citations0
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBCP Business & ManagementMême sujetAviation Industry Analysis and TrendsTravaux en français237 207