The innovation development process of Michelin‐starred chefs
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
Purpose This paper aims to compare and contrast the innovation process described by Michelin‐starred chefs with existing theoretical innovation process models. Design/methodology/approach Semi structured interviews with Michelin‐starred chefs in Germany were conducted to better understand the underlying factors and dimensions that describe process practices. A sample of 12 Michelin‐starred chefs awarded one, two or the maximum of three stars were interviewed about how they develop new food creations in their restaurants. Findings Research results indicated that the development process of Michelin‐starred chefs has similarities and differences to traditional concepts of new product development. Michelin‐starred chefs' innovation processes do not include a business analysis stage and because of the simultaneity of production and consumption and the importance of human factors in service delivery, employees play a more important role in fine dining innovation than in other product innovation situations. Furthermore, Michelin‐starred chefs' innovation processes do not implement an all‐encompassing evaluation system. Research limitations/implications The study was conducted in only one country and on a small sample. Based on an analysis of the findings, the innovation development process of Michelin chefs can be broken down into seven main steps. Originality/value The present study expands the scope of hospitality innovation research and the findings have not only important implications for high‐end restaurant settings but also other restaurant segments, and other hospitality service endeavors.
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 | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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