Testin: A Chinese Startup Partnering with Multiple MNCs
Notice bibliographique
Résumé
This case deals with a Chinese startup, Testin, forging partnerships with multiple large multinational corporations (“MNCs” in short, e.g., Microsoft, IBM, ARM, Intel). In order to help developers economize the time spent on quality assurance (QA), Testin was founded by Jun Wang with six of his former colleagues working at Pica Corporation in June 2011. In the past years, Testin had served over 800,000 app developers by conducting more than 150 million quality and security tests on over 2.5 million mobile apps through its automated Cloud Testin (云测) service supported by its testing labs and its Crowd Testin service for solving further problems by part-time qualified testers. It had received several rounds of financing totaling over USD 80 million. Many Chinese Internet companies tried to acquire Testin, and a well-known multinational company asked Testin to sign an exclusive service contract. Wang and his partners resisted such offers and were determined that Testin should maintain neutrality. Thinking about the five-year old enterprise, Wang wondered how to ensure Testin could “stay hungry and stay foolish”. A striking feature of these relationships discussed in this case is that the venture is based in an emerging market context (China) whereas several of the key large corporate partners are headquartered in advanced markets. Thus the partnerships being forged are arguably between non-traditional allies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,008 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».