MétaCan
Menu
Retour à la cohorte
Enregistrement W4400469731 · doi:10.20944/preprints202407.0581.v1

Negotiation Dynamics in Procurement: Examining Strategies and Outcomes

2024· preprint· en· W4400469731 sur OpenAlexaff
Mason Cooper

Notice bibliographique

RevuePreprints.org · 2024
Typepreprint
Langueen
DomaineBusiness, Management and Accounting
ThématiquePublic Procurement and Policy
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésNegotiationBusinessProcurementIncentiveKnowledge managementThematic analysisSupply chainTransparency (behavior)Industrial organizationMarketingQualitative researchPublic relationsEconomicsMicroeconomicsPolitical scienceSociology

Résumé

récupéré en direct d'OpenAlex

This qualitative research explores negotiation dynamics within procurement, focusing on strategies, challenges, and outcomes in contemporary business environments. Negotiation in procurement plays a crucial role in shaping organizational strategies, supplier relationships, and operational efficiencies. In a globalized economy characterized by rapid technological advancements and market uncertainties, effective negotiation practices are essential for organizations seeking competitive advantage and sustainable growth. Through semi-structured interviews with procurement professionals, supply chain executives, and industry experts, this study examines the nuanced strategies employed in negotiation processes. Thematic analysis of the data reveals key themes including negotiation strategies (e.g., preparation, flexibility), challenges (e.g., price volatility, regulatory constraints), and outcomes (e.g., cost savings, innovation incentives). Relationship management emerges as pivotal, highlighting the importance of trust, transparency, and mutual respect in fostering collaborative supplier partnerships. The study also explores contextual factors (e.g., organizational culture, industry dynamics) and emotional dimensions (e.g., emotional intelligence, interpersonal dynamics) that influence negotiation effectiveness.

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)0,029
score de la tête « metaresearch » (Gemma)0,059
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 enseignants0,029
Score d'incertitude au seuil0,154

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0290,059
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0050,008
Communication savante0,0070,007
Science ouverte0,0020,006
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,001

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 Opus0,121
Tête enseignante GPT0,334
Écart entre enseignants0,214 · 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

Citations4
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetPublic Procurement and PolicyTravaux en français237 207