MétaCan
Menu
Retour à la cohorte
Enregistrement W4400446209 · doi:10.5465/amproc.2024.21531abstract

Navigating Political System Change in a Transitional Economy

2024· article· en· W4400446209 sur OpenAlexaff
Christiaan Röell, Wilson Ng, Félix Arndt

Notice bibliographique

RevueAcademy of Management Proceedings · 2024
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueHistorical and Contemporary Political Dynamics
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésPoliticsEconomic systemPolitical sciencePolitical economyEconomics

Résumé

récupéré en direct d'OpenAlex

We examine how multinational enterprises (MNEs) respond to a sudden transition of political systems in the emerging market of Indonesia. We draw on the political science and nonmarket strategy literature to explain how local subsidiary firms of MNEs (‘subsidiaries’) adapted their nonmarket strategy during the transformation of Indonesia’s political landscape from an autocratic regime (1967-1998) to the current democratic and decentralized system. Based on multiple qualitative case studies of Western European subsidiaries, we found that MNEs adapted their business strategies to relate with multiple layers of government in an environment of rampant corruption. Under Suharto, MNEs sought to develop relations with his regime, while also seeking to avoid informal transaction costs. From 1998, MNEs began to conduct survival strategies by partnering with local firms and leveraging local political networks. Later however MNEs adopted proactive, innovative strategies that replaced corrupt activities, for example, by leveraging government-level partnerships and forming long-term relationships with local communities. These findings suggest that MNEs need active agency and proactive nonmarket strategies to address the negative challenges of unstable political environments.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0070,009
Communication savante0,0060,003
Science ouverte0,0010,005
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,047
Tête enseignante GPT0,273
Écart entre enseignants0,226 · 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'étudeQualitatif
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetHistorical and Contemporary Political DynamicsTravaux en français237 207