Building a Measurement Model for Market Visioning Competence and Its Proposed Antecedents: Organizational Encouragement of Divergent Thinking, Divergent Thinking Attitudes, and Ideational Behavior
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
The overall question that this research seeks to answer is the following: Are there individual and/or organizational resources related to “divergent thinking” that enhance or inhibit the firm's market visioning competence in the case of radical innovation? In order to answer this question, in this paper, the key focus is on the realm of potential divergent thinking‐related resources that the firm may possess and access to aid in the creation and development of an effective market visioning competence. In particular, individual‐level factors related to divergent thinking capabilities and, at the organizational level, encouragement of such capabilities, are investigated. Specifically, we propose that two organizational‐level factors related to organizational encouragement of divergent thinking (“encouraging ideas” and “encouraging diversity”), two individual‐level divergent thinking attitudes factors (“openness” and “ability to move from divergent thinking to convergent thinking efficiently and effectively”), one individual‐level ideational behavior factor (“ability to generate new ideas”), and a further individual cognitive factor (“need for cognition”) have direct impacts on market visioning competence. Scales are then developed and tested for measuring these potential antecedents, and they are included in a measurement model with market visioning competence to enable further research.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 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