Trajectories of Value Generation and Capturing by Public–Private Hybrids: Mechanisms of multi-level governance in healthcare
Notice bibliographique
Résumé
Our paper unpacks the multi-level process through which hybrids generate value in the long term. By combining interviews, archival and survey data, we examine the longitudinal trajectories of value generation of public–private hybrids (PPHs) established in the regionalized Italian healthcare system (1992–2018). We identify three ideal-type trajectories: (a) long-term value generation by stable PPHs; (b) long-term value generation by transient PPHs; and (c) interrupted value generation by terminated PPHs. We uncover how these trajectories are shaped by the interplay between regional governance arrangements – i.e. institutionally embedded norms regarding who is entitled to generate value for the field, the scope for organizational value capturing and the institutional monitoring system – and organizational governance mechanisms – i.e. the strategic orientation of individual PPHs and their internal monitoring functions. Our paper contributes to theory by conceptualizing the mechanism of ‘double filter’, which we define as the set of field- and organizational-level governance compensatory mechanisms that, together, allow long-term value generation by hybrids. We also problematize the relationship between hybrids’ value-generation capacities and the persistence of hybrid organizational forms, and ultimately trace it to different field governance arrangements. In so doing, we conceptualize ‘transient hybrids’ as a distinctive organizational form for long-term value generation.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 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 ».