From Acting What’s next to Speeding Trap: Co-Evolutionary Dynamics of an Emerging Technology-Leader
Notice bibliographique
Résumé
Abstract: How does technological innovation emerge and evolve? We approach such an inquiry by synthesizing the perspectives of dynamic capabilities and co-evolutionary dynamics to portray organizational routines and multi-phase strategic renewals of an emerging technology-leader. To untangle the emergence of technological innovation, we conducted a longitudinal case study on the first and the largest dedicated semiconductor foundry, TSMC, located in the emerging economy of Taiwan. The firm-case of TSMC illustrates two unique co-evolutionary paths, that is, transforming from industry-latecomer to technology-leader and from process innovation to product innovation. We found multi-motor co-evolutionary dynamics between TSMC and the semiconductor industry, where its co-evolutionary mechanism of managed selection in its creating phase of mature process-innovation (1987-1998) has migrated to hierarchical renewal in its extending phase of advanced process-innovation (1999-2001), and then to holistic renewal in its modifying phase of product-innovation (2002-2007). During such paths, our research discovered a unique type of organizational routines, acting what’s next because TSMC has proactively searched for potential problems sooner than its competitors. However, such routines, although driving technological innovation, also lead to a unique type of success-trap, that is, speeding trap. When
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,007 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».