MétaCan
Menu
Retour à la cohorte
Enregistrement W2085621738 · doi:10.1016/j.jom.2012.02.003

Relationship between quality management practices and innovation

2012· article· en· W2085621738 sur OpenAlexaff
Dong‐Young Kim, Vinod Kumar, Uma Kumar

Notice bibliographique

RevueJournal of Operations Management · 2012
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensCarleton UniversityTellabs (Canada)
Organismes subventionnairesnon disponible
Mots-clésBusinessKnowledge managementCertificationProduct innovationProduct (mathematics)Quality (philosophy)Process (computing)Process managementSet (abstract data type)Quality managementValue (mathematics)Innovation managementNew product developmentService (business)Computer scienceMarketingManagementEconomics

Résumé

récupéré en direct d'OpenAlex

Abstract The purpose of this study is to examine the associations among different quality management (QM) practices and investigate which QM practices directly or indirectly relate to five types of innovation: radical product, radical process, incremental product, incremental process, and administrative innovation. We test the proposed framework and hypotheses using empirical data from ISO 9001 certified manufacturing and service firms. The results show that a set of QM practices through process management has a positive relationship with all of these five types of innovation. It was found that process management directly and positively relates to incremental, radical, and administrative innovation. Organizational capability to manage processes may play a vital role in identifying routines, establishing a learning base, and supporting innovative activities. The findings also reveal that the value of an individual QM practice is tied to other QM practices. Therefore, highlighting just one or a few QM practices or techniques may not result in creative problem solving and innovation.

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)0,008
score de la tête « metaresearch » (Gemma)0,091
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,091
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,164
Tête enseignante GPT0,376
Écart entre enseignants0,212 · 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'étudeObservationnel
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

Citations692
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Operations ManagementMême sujetQuality and Supply ManagementTravaux en français237 207