Using R&D portfolio management to deal with dynamic risk
Notice bibliographique
Résumé
We develop a theoretical framework for understanding why firms adopt specific approaches for the management of innovation project portfolios. Our theory focuses on a key contingency factor for innovation, namely the dynamics of competitive environments. We use four dimensions to characterize the patterns of environmental dynamics: velocity, turbulence, growth and instability. The paper then proposes the concept of dynamic risk as a determinant of portfolio management processes. Dynamic risk results from second‐order learning by a firm confronted with a specific dynamic pattern in its environment. This learning concerns the likely nature of threats and the required updating of cognitive frameworks in such environments. Attempts to deal with dynamic risk enable various actors inside the firm to understand what kind of dynamic capabilities are needed in their innovation portfolio management processes. As a result of this diffuse learning, firms tend to favor certain common characteristics in their concrete portfolio management activities. To advance the theorizing of these characteristics, the paper also proposes four dimensions of portfolio management: structure, commitment, emergence and integration. Based on arguments inspired by the dynamic capability and related literatures, we advance a series of hypotheses, that relate environmental dynamics dimensions and portfolio management dimensions. These hypotheses are tested based on a survey of 795 firms in a variety of sectors and on four continents, using original scales and structural equation modeling methods. The results show, among other findings, that high‐velocity environments favor structured as well as integrated portfolio management approaches, while high‐growth environments favor approaches that are structured but commit significant resources to each project as well. Turbulent environments favor approaches that are emergent, but also, contrary to our expectations, have high resource commitment levels. Finally, firms in unstable environments have a marginal preference for emergent approaches. Results could help advance the dynamic contingency theoretical perspective on dynamic capabilities, as well as improve the practice of innovation portfolio management.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,004 | 0,004 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».