MétaCan
Menu
Retour à la cohorte
Enregistrement W13688290

The execution trap. Drawing a line between strategy and execution almost guarantees failure.

2010· article· en· W13688290 sur OpenAlexaff
Roger L. Martin

Notice bibliographique

RevuePubMed · 2010
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCompetitive and Knowledge Intelligence
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésDownstream (manufacturing)SurpriseSet (abstract data type)Computer scienceContext (archaeology)BiddingService (business)CorporationTrap (plumbing)Upstream (networking)MetaphorRest (music)BusinessMarketingFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

The realization of a strategy depends on countless employees. So it's no surprise that when a strategy fails, the reason cited is usually poor execution. But this view of strategy and execution relies on a false metaphor in which senior management is a choosing brain while those in the rest of the company are choiceless arms and legs that merely carry out the brain's bidding. The approach does damage to the corporation because it alienates the people working for it. A better metaphor for strategy is a white-water river, in which choices cascade from its source in the mountains (the corporation) to its mouth (the rest of the organization). Executives at the top make the broader choices involving long-term investments while empowering employees toward the bottom to make more concrete, day-to-day decisions that directly influence customer service and satisfaction. For the cascade to flow properly, a choice maker upstream can set the context for those downstream by doing four things: explaining what the choice is and why it's been made, clearly identifying the next downstream choice, offering help with making choices as needed, and committing to revisit and adjust the choice based on feedback. When downstream choices are valued and feedback is encouraged, employees send information upward, improving the knowledge base of decision makers higher up and helping everyone in the organization make better choices.

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)0,006
score de la tête « metaresearch » (Gemma)0,016
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: Commentaire · Signal consensuel: aucune
Score de désaccord entre enseignants0,026
Score d'incertitude au seuil0,088

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0040,020
Communication savante0,0120,015
Science ouverte0,0010,007
Intégrité de la recherche0,0040,007
Charge utile insuffisante (le modèle a refusé de juger)0,0260,012

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 Opus0,024
Tête enseignante GPT0,226
Écart entre enseignants0,202 · 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
GenreCommentaire

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePubMedMême sujetCompetitive and Knowledge IntelligenceTravaux en français237 207