Managing MIS project failures : a crisis management perspective
Notice bibliographique
Résumé
This study describes a conceptual framework that portrays information system project failures as organizational crises. The main assumption of this study is that such failures will invariably happen and thus there is a need to make them less costly and more beneficial to organizations. To identify the behaviors and factors that influence an organization's ability to effectively manage a project failure, this dissertation reviews the crisis management literature. Based on this review, a three-stage model is formulated. To understand the mechanisms underlying this model, a number of hypotheses (which are informed by a number of related organizational behavior areas) are generated. These hypotheses focus on three key crisis management factors: the organization's ability to promptly detect an impeding failure, its capacity to manage the failure's impacts, and its propensity to learn from it. To empirically assess the validity of the conceptual model, three case studies of Canadian public organizations were conducted. The empirical findings provide strong support to the model's conjectures and indicate that project failures generate several crisis-related behaviors and responses. More specifically, the findings suggest that an organization's proactive preparation for a failure can have a significant moderating effect on its impact. However, the findings clearly show that an organization's ability to promptly detect (and prepare for) a failure is impeded by behaviors that are motivated by escalation of commitment. Such behaviors lead to a prolonged pre-crisis denial period and have a suppressing effect on whistle-blowing, which is pursued as a denial-curtailing strategy by non-management participants. The empirical findings describe both operational and legitimacy tactics used by organizations to cope with the aftermath of a project failure and indicate that credibility restoration is a significant concern during large crises. Finally, the empirical evidence indicates that organizational learning and adaptation are more likely to follow major project failures than less significant ones. This contradicts threat-rigidity arguments and provides support to the failure-induced learning theory.
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) | 0,000 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».