Toward a typology of business groups: A qualitative content analysis
Notice bibliographique
Résumé
By facilitating wider communication networks and improving the performance of their affiliated businesses in complex environments, businesses can increase their competitiveness. Understanding the characteristics and diversity of business groups is necessary for developing and implementing them. In this study, we examined the question of how business groups can be classified. What criteria can be used to separate them? We conducted a qualitative analysis of the content of 48 scientific journals published between 1999 and 2020 and selected 215 articles based on purposive sampling during two stages of screening. As a result of the content analysis, three main themes were identified: “origins of group control and ownership”, “groups' institutional origins”, and “intergroup relations”. Also, at the first subtheme level, six categories were identified: group control level, group ownership type, diversity of group relations, dependence and cooperation level, relationship structure, and institutional contexts. There are 12 subcategories included in the second-level subthemes. “origin of corporate governance”, “type of group ownership”, “type of institutional contexts”, “intra-group diversification”, “extra-group diversification”, “internal cooperation”, “formalization ratio”, “length of relations”, “external cooperation”, “geographical area”, “depth of cooperation”, “group maturity level”. Lastly, axis factors related to the diversity of business groups were used to develop a set of typologies.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».