MétaCan
Menu
Retour à la cohorte
Enregistrement W2033292790 · doi:10.1287/orsc.1100.0602

Attention to Attention

2010· article· en· W2033292790 sur OpenAlexaff
William Ocasio

Notice bibliographique

RevueOrganization Science · 2010
Typearticle
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensKellogg's (Canada)
Organismes subventionnairesnon disponible
Mots-clésPsychologyCognitive psychologyCognitionTop-down and bottom-up designVigilance (psychology)Schema (genetic algorithms)Stimulus (psychology)Unitary stateSelective attentionCognitive scienceNeuroscienceComputer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Organizational theory and research has increased attention to the determinants and consequences of attention in organizations. Attention is not, however, a unitary concept but is used differently in various metatheories: the behavioral theory of the firm, managerial cognition, issue selling, attention-based view, and ecology. At the level of the brain, neuroscientists have identified three varieties of attention: selective attention, executive attention, and vigilance. Attention is shaped by both top-down (i.e., schema-driven) and bottom-up (i.e., stimulus-driven) processes. Inspired by neuroscience research, I classify and compare three varieties of attention studied in organization science: attentional perspective (top-down), attentional engagement (combining top-down and bottom-up executive attention and vigilance), and attentional selection (the outcome of attentional processes). Based on research findings, I develop five propositions on how the varieties of attention in organization provide a theoretical alternative to theories of structural determinism or strategic choice, with a particular focus on the role of attention in explaining organizational adaptation and change.

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)0,001
score de la tête « metaresearch » (Gemma)0,009
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 enseignants0,024
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,006
Communication savante0,0050,005
Science ouverte0,0010,003
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0240,003

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 Opus0,018
Tête enseignante GPT0,364
Écart entre enseignants0,346 · 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

Citations1 142
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrganization ScienceMême sujetCreativity in Education and NeuroscienceTravaux en français237 207