MétaCan
Menu
Retour à la cohorte
Enregistrement W1980810751 · doi:10.1108/09696470310497140

Implications of complexity and chaos theories for organizations that learn

2003· article· en· W1980810751 sur OpenAlexaffabout
Peter A.C. Smith

Notice bibliographique

RevueThe Learning Organization · 2003
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésOpenness to experienceSociologyEpistemologyComplexity theory and organizationsComplexity managementChaos theoryOrganizational theoryAutopoiesisManagement scienceComputer scienceManagementKnowledge managementPsychologyOrganizational learningArtificial intelligenceEconomicsSocial psychologyPhilosophy

Résumé

récupéré en direct d'OpenAlex

In 1996 Hubert Saint‐Onge and Smith published an article (“The evolutionary organization: avoiding a Titanic fate”, in The Learning Organization, Vol. 3 No. 4), based on their experience at the Canadian Imperial Bank of Commerce (CIBC). It was established at CIBC that change could be successfully facilitated through blended application of theory such as system dynamics, and the then emerging notions of “chaos and complexity”. The resulting enterprise was termed an evolutionary organization (EVO), and CIBC has continued since to re‐invent itself with great success. Although the all‐embracing nature of chaos and complexity was understood, in retrospect the impact of non‐rational people‐factors, e.g. emotion, trust, openness, spirituality were underestimated. Introduces the six papers included in this special issue, which illustrate how much more sophisticated chaos and complexity have become in the decade since Hubert Saint‐Onge and Smith first began to apply the notions at CIBC. However, although the papers in this issue present some evidence of managerial “take‐up” of chaos and complexity, whether “take‐off” will ever ensue is questionable. It is proposed that, just as in the 1990s, if there is one thing that more than any other stands in the way of exploration and adoption of these ideas, it is management mindsets.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,004
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,036

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,015
Communication savante0,0050,009
Science ouverte0,0010,005
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,001

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.

Tête enseignante Opus0,147
Tête enseignante GPT0,380
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations23
Publié2003
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Learning OrganizationMême sujetComplex Systems and Decision MakingTravaux en français237 207