MétaCan
Menu
Retour à la cohorte
Enregistrement W4404845969 · doi:10.4018/979-8-3693-6750-6.ch005

Governance Role of Digital Technologies and Backshoring

2024· book-chapter· en· W4404845969 sur OpenAlexaff
Kossi Hyacinthe Boko, Sina Mirzaye, Muhammad Mohiuddin, Slimane Ed‐Dafali

Notice bibliographique

RevueAdvances in logistics, operations, and management science book series · 2024
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésCorporate governanceComputer scienceProcess managementBusinessPolitical scienceKnowledge management

Résumé

récupéré en direct d'OpenAlex

Over the past decade, international business researchers have increasingly focused on the role of digital technologies and their potential effects on the configuration of global value chains (GVCs). This chapter explores the governance role of digital technologies in firm relocation decisions by conducting a systematic literature review of 37 articles published between 2011 and May 2024. The findings reveal that existing studies tend to examine the relationship between only a few specific digital technologies and reshoring, highlighting a gap in comprehensive research on the subject. While some studies identify correlations between digitalization and reshoring, others attribute reshoring decisions to factors unrelated to digitalization. However, these factors are also influenced by digitalization, which permeates nearly every aspect of business operations, often leading to indirect impacts on reshoring. There is a clear need for further research employing mathematical models that analyze binary relationships by grouping various digital technologies and reshoring outcomes into distinct sets. Such an approach would integrate existing literature with empirical studies to better map these relationships. Meanwhile, managers should recognize digitalization as a critical factor to consider in reshoring decisions, even if its influence may not always be immediately apparent.

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)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,003
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,007
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,010
Tête enseignante GPT0,233
Écart entre enseignants0,223 · 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'étudeSans objet
Domainenon disponible
GenreAutre

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 revueAdvances in logistics, operations, and management science book seriesMême sujetInnovation and Knowledge ManagementTravaux en français237 207