Trust, distrust, and open‐book accounting in three client‐vendor relationships
Notice bibliographique
Résumé
Abstract Extant management accounting research has conceptualized the interplay between trust, distrust, and open‐book accounting (OBA) as a relationship‐level phenomenon, largely ignoring that inter‐organizational relationships are often complex entities that comprise multiple arenas of exchange where (dis)trust and OBA can interact in different—and potentially contradictory—ways. To address this theoretical oversight, we draw on relational exchange theory to propose that (dis)trust largely forms within OBA domains where different forms of data are exchanged for different purposes. Trust and distrust may thereby coexist within a relationship. We also propose that (dis)trust spills over to influence the conditions for OBA in other domains. Consequently, trust and distrust not only take shape in cumulative processes within OBA domains but also diffuse between domains in a relationship. Empirical observations from a longitudinal case study of a retail buyer's attempts to introduce OBA in three vendor relationships lead us to suggest that competence‐trust spillover is determined largely by domain similarity, while goodwill‐trust spillover relies to a greater extent on staff mobility between OBA domains. Overall, the negative effects of distrust spillover on the implementation of OBA appear greater than the positive effects of trust spillover. Our study shows that, by analyzing the domain‐specific nature of trust and distrust, future research can increase our understanding of the relationship between data characteristics and (dis)trust, as well as explain how trust and distrust interact to determine conditions for data exchange between organizations.
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 | 0,010 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,006 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,003 | 0,007 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 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 ».