MétaCan
Menu
Back to cohort
Record W2044473519 · doi:10.3917/riges.313.0056

L'impact des technologies de l'information sur les coûts de coordination des fournisseurs dans l'industrie aéronautique de Montréal

2006· article· fr· W2044473519 on OpenAlexaffvenueabout
Claudia Rebolledo, Mathieu Dumouchel

Bibliographic record

VenueGestion · 2006
Typearticle
Languagefr
FieldBusiness, Management and Accounting
TopicBusiness Strategy and Innovation
Canadian institutionsHEC Montréal
Fundersnot available
KeywordsHumanitiesPolitical sciencePhilosophy

Abstract

fetched live from OpenAlex

Résumé Cet article examine le rôle des technologies de l’information dans la gestion des échanges entre les donneurs d’ordres de l’industrie aéronautique de Montréal et leurs fournisseurs. Selon l’hypothèse principale de l’étude, l’utilisation des technologies de l’information diminue les coûts de coordination des fournisseurs. En outre, elle a un impact sur d’autres variables pertinentes : l’incertitude, la distance géographique et la qualité du lien entre les donneurs d’ordres et leurs fournisseurs. Ces hypothèses sont testées à l’aide de données collectées par le biais d’un questionnaire destiné aux grands donneurs d’ordres. Les résultats empiriques confirment le rôle positif des technologies de l’information dans la coordination des échanges. Ils indiquent également que les technologies de l’information réduisent l’importance de la qualité du lien entre le donneur d’ordres et le fournisseur comme outil de coordination. Contrairement à nos attentes, les résultats empiriques montrent que l’utilisation des technologies de l’information ne modère pas l’impact négatif de l’incertitude et de la distance sur les coûts de coordination. Dans l’ensemble, les résultats obtenus font ressortir le potentiel des technologies de l’information dans l’amélioration de la performance des échanges entre les donneurs d’ordres et les fournisseurs.

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.

How this classification was reachedexpand

Full frame distilled prediction

Teacher imitation

Not calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.

metaresearch head score (Codex)0.001
metaresearch head score (Gemma)0.001
Version: codex-gemma-dda1882f352aValidation status: machine_predicted_unvalidated
Candidate categoriesMeta-epidemiology (narrow)
Consensus categoriesnone
DomainCandidate signal: none · Consensus signal: none
Study designCandidate signal: Observational · Consensus signal: Observational
GenreCandidate signal: Empirical · Consensus signal: Empirical
Teacher disagreement score0.339
Threshold uncertainty score1.000

Codex and Gemma teacher scores by category

CategoryCodexGemma
Metaresearch0.0010.001
Meta-epidemiology (narrow)0.0000.000
Meta-epidemiology (broad)0.0000.000
Bibliometrics0.0000.001
Science and technology studies0.0010.000
Scholarly communication0.0010.006
Open science0.0000.000
Research integrity0.0010.000
Insufficient payload (model declined to judge)0.0000.000

Machine scores (provisional)

The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.

Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.

Opus teacher head0.020
GPT teacher head0.223
Teacher spread0.203 · how far apart the two teachers sit on this one work
Validation statusscore_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from it

Classification

machine, unvalidated

Machine predicted; a candidate call from one teacher head, not a consensus.

Study designObservational
Domainnot available
GenreEmpirical

How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".

Quick stats

Citations5
Published2006
Admission routes3
Has abstractyes

Explore more

Same venueGestionSame topicBusiness Strategy and InnovationFrench-language works237,207