MétaCan
Menu
Retour à la cohorte
Enregistrement W4386422256 · doi:10.1002/smj.3549

Positioning for optimal distinctiveness: How firms manage competitive and institutional pressures under dynamic and complex environment

2023· article· en· W4386422256 sur OpenAlexaff
Jingqin Su, Xin Gao, Justin Tan

Notice bibliographique

RevueStrategic Management Journal · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensYork University
Organismes subventionnairesNational Office for Philosophy and Social SciencesNational Natural Science Foundation of China
Mots-clésOptimal distinctiveness theoryLegitimacyCompetitor analysisDynamic capabilitiesContext (archaeology)Balance (ability)BusinessCompetitive advantageIndustrial organizationFace (sociological concept)MarketingSociologyPolitical sciencePoliticsPsychologySocial psychology

Résumé

récupéré en direct d'OpenAlex

Abstract Research Summary How firms strategically balance legitimacy and distinctiveness has garnered significant attention but reflects inconsistent perspectives. This inconsistency may stem from the inherent complexity of optimal distinctiveness (OD), which are sensitive to both the context and temporality. This article explores dynamic changes in institutional and competitive pressures and how they co‐evolve with different OD strategies. Through an exploratory, multi‐case study, we propose a pressure‐response model to uncover how firms dynamically pursue OD in response to different combinations of pressures. Furthermore, our findings reveal the mechanisms that drive the dynamic interactions between distinctiveness and legitimacy across different OD strategies. In essence, this study contributes to the OD research agenda by providing insights into the evolution of OD strategies, addressing the how and why behind their development. Managerial Summary Can enterprises effectively balance their needs for legitimacy and distinctiveness by achieving an optimal level of similarity and differentiation from their competitors? This article demonstrates that, in the face of multiple pressures with varying intensities, enterprises continuously adapt their strategic choices to achieve optimal distinctiveness (OD). As institutional and competitive pressures gradually intensify, an enterprise's OD strategies may transition from isomorphic and balancing approaches toward deviation. However, when accumulated inertia hinders the enterprise's ability to respond to emerging pressures, adjustments to the OD strategy may become necessary. Therefore, this study offers entrepreneurs a practical guide on how to dynamically maintain their enterprise's OD by selecting appropriate strategies based on the specific circumstances at hand.

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)0,004
score de la tête « metaresearch » (Gemma)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,007
Communication savante0,0120,005
Science ouverte0,0010,004
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,036
Tête enseignante GPT0,250
Écart entre enseignants0,213 · 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'étudeObservationnel
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

Citations47
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrategic Management JournalMême sujetInnovation and Knowledge ManagementTravaux en français237 207