MétaCan
Menu
Retour à la cohorte
Enregistrement W4387959238 · doi:10.1080/23276665.2023.2270085

Governance of dependency relationships in mandated networks

2023· article· en· W4387959238 sur OpenAlexaff
Dayashankar Maurya, M. Ramesh, Michael Howlett

Notice bibliographique

RevueAsia Pacific Journal of Public Administration · 2023
Typearticle
Langueen
DomaineSocial Sciences
ThématiquePublic Policy and Administration Research
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésDependency (UML)OpportunismHierarchyNetwork governanceRelevance (law)Corporate governanceAutonomyBusinessPublic relationsIndustrial organizationKnowledge managementComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Mandated service delivery networks have become common in both developing and developed worlds; however, our understanding of what makes these arrangements work is still limited. In this study, we draw upon existing business literature, specifically focusing on dependency relationships and resulting opportunism within mandated networks, a critical but often overlooked aspect. Further, within mandated networks characterised by limited autonomy and trust, ways in which network members navigate dependency relationships remain unexplored. We conduct a comparative case analysis, examining network arrangements within India’s National Health Insurance Programme. Based on our findings, we propose that the nature of interdependence among network members and the resultant dependency relationships impact the conduct of network members and, thereby, network performance. If the dependency relationships are not governed effectively, conflict bargaining and opportunistic behaviours get manifested. Contrary to expectation, network performance tends to be higher in jurisdictions where dependency relationships are effectively governed through hierarchical authority. These findings hold significant relevance; as mandated networks are created under the shadow of hierarchy but governed through clan or trust-based mechanisms.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,870
Score d'incertitude au seuil0,390

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0060,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,090
Tête enseignante GPT0,375
Écart entre enseignants0,284 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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

Citations3
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsia Pacific Journal of Public AdministrationMême sujetPublic Policy and Administration ResearchTravaux en français237 207