A Tale of Two Cities: Amazon HQ2 Negotiations in New York and Virginia
Notice bibliographique
Résumé
Abstract In 2018, Amazon made a surprise announcement in its highly competitive selection of a second headquarters (HQ2), a project that drew 238 bids from cities in the United States, Canada, and Mexico. Instead of one location, the company picked two, selecting Long Island City, Queens in New York City and National Landing, a massive parcel of land directly across the Potomac River from Washington D.C. in Virginia. HQ2 represented one of the largest economic development projects of its kind in modern American history. Notably, while New York City’s selection ultimately failed amid sustained public opposition, the Virginia selection succeeded. The two negotiations are highly illustrative, demonstrating differences in how each region considered the tangible and intangible interests of their counterparts, approached the need for political and genuine stakeholder engagement, and decided whether or not to employ a “Decide-Announce-Defend Approach.” While negotiation case studies provide opportunities to explore high-stakes negotiations and derive insights, the case of the two Amazon HQ2 selections has the added, rare benefit of presenting two negotiations with the same target deal, pursued in tandem, with similar stakeholder groups. Against the backdrop of the more widely known story of the unsuccessful New York City selection, this case analysis explores the lesser-known National Landing negotiation and its implications for negotiators.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,023 | 0,006 |
| Communication savante | 0,010 | 0,003 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 source (Gemma direct ou Codex distillé), 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 ».