The Strategic Role of Supplier Learning
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Problem definition: We study a procurement problem, where the supplier holds superior cost information and can learn to improve efficiency over time. Despite its prevalence, the supply chain literature provides limited guidance on how to manage learning suppliers with evolving private information. Methodology/results: We use mechanism design. We show that supplier learning has both efficiency and agency effects, it can induce countervailing incentives, and the agency effect can overwhelm the efficiency effect. As a result, (i) supplier learning can hurt profits, (ii) information asymmetry can improve efficiency, (iii) production distortion can go upward, and (iv) ignoring the agency effect of learning can mislead contract design and inflict severe losses. Managerial implications: Our results suggest that previous studies may have overlooked the downside of learning and overestimated the harm of information asymmetry. Moreover, our results help explain when and why firms should overproduce output and disclose private information voluntarily. By highlighting the strategic role of supplier learning, this study sharpens our understanding of supply chain management. Funding: L. Gao is partly supported by the CoR research grant at University of California, Riverside. W. Zhang is partly supported by the National Natural Science Foundation of China [Grant 71821002]. Supplemental Material: The online appendix is available at https://doi.org/10.1287/msom.2021.0285 .
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.
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 découle