The Domains of Organizational Learning Practices: An Agency-Structure Perspective
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Background: Organizational learning theory has retained considerable attention in the past decades from a wide array of academic disciplines in social sciences. Yet few integrative efforts have satisfactorily offered a comprehensive and systematic articulation of the concept of organizational learning with regards to: (a) its core constitutive dimensions and associated mechanisms; (b) the analytical levels from such mechanisms operate (e.g., workers, teams, organizations); as well as (c) their interplay. Methods: This article builds on a critical synthesis of predominant approaches in organizational learning theory (i.e., structural functionalist, social constructivist and middle range approaches), highlighting the contributions of each approach on the key analytical elements guiding our inquiry (i.e., core dimensions and associated mechanisms, analytical levels, interplay). Drawing from the work of sociologists Anthony Giddens and Margaret Archer on agency-structure theory, we develop a series of theoretical propositions supporting the Organizational Learning Practices (OLP) concept as a unifying heuristic tool. Results: OLP are defined as a set of collectively shared practices held by members of a given organization embedded in normative, political, and semantic dynamics. At the heart of such dynamics lies organizational knowledge as a power resource pivotal to the sustainable development of organizations, as well as that of their members. Conclusion: OLP offer promising answers to on-going debates in organizational learning theory, and we conclude by discussing concrete guidelines to advance research and practice on OLP.
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| 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 découle