IT Service Disruptions and Provider Choice
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Digital supply chains are increasingly interconnected and vulnerable to disruption, causing service interruptions impacting many firms and their customers. Combating threats to the digital supply chain is the top challenge for leaders in most supply chain industries, demonstrated by the tacit approval of nation-states for cyber-attacks on corporate supply chains to disrupt downstream firms. Disruptions to digital supply chains are not new. In April 2019, hundreds of flights in the United States were delayed when a critical service provider, AeroData, had a computer systems failure. AeroData delivers flight planning services to many airlines, including Southwest, United, American, and Delta. All flight operations for AeroData’s more than 100 clients simultaneously ceased, and thousands of customers were stranded at airports across the country. In an increasingly connected business environment, competitors may be simultaneously disrupted due to a common service provider, impacting all affected firms’ demand. The synchronization of disruptions for firms that use a common service provider has implications for service provider choice and investment. We use a two-stage game to model how a firm’s customer demand is impacted by disruptions at a service provider, and how this subsequently affects the firms’ choices in managing service provider risk. Considering downstream demand effects from upstream service disruptions, the contribution of this article is the examination of how risk synchronization impacts provider choice decisions and profits. In addition, we illustrate how these choices impact upstream industry concentration.
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.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,006 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,003 |
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 découle