MétaCan
Menu
Retour à la cohorte
Enregistrement W2089274700 · doi:10.1509/jmkg.75.4.53

Facilitating and Rewarding Creativity during New Product Development

2011· article· en· W2089274700 sur OpenAlexaff
James E. Burroughs, Darren W. Dahl, C. Moreau, Amitava Chattopadhyay, Gerald J. Gorn

Notice bibliographique

RevueJournal of Marketing · 2011
Typearticle
Langueen
DomainePsychology
ThématiqueCreativity in Education and Neuroscience
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésCreativityIncentiveConstruct (python library)Product (mathematics)New product developmentProcess (computing)MarketingPsychologyBusinessEconomicsSocial psychologyComputer scienceMicroeconomics

Résumé

récupéré en direct d'OpenAlex

In an effort to improve creativity in the new product development process, many firms offer incentive programs, creativity training programs, or both. However, creativity continues to be a construct that is not well understood in marketing, and little research has examined the joint influence of such initiatives on creative outcomes. As a result, there is considerable variance in the way firms approach these issues. A qualitative study of 20 firms indicates that 15 offered some type of incentive program, whereas only 7 engaged in creativity training (a subset of the firms used both). Given that previous research has consistently found that extrinsic rewards offered in isolation actually undermine the creative process (by reducing intrinsic motivation), it seems that many firms may be unwittingly hampering their own creative efforts. However, two experiments demonstrate that the effect of rewards can be made positive if offered in conjunction with appropriate training. Specifically, product creativity was highest when the monetary reward was paired with a dedicated creative training technique. The training alters the influence of the reward such that it reinforces, rather than undermines, intrinsic motivation. Managers can improve the effectiveness of their creative efforts by leveraging the use of incentives and training in combination.

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)0,022
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
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 Opus0,080
Tête enseignante GPT0,332
Écart entre enseignants0,251 · 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

Citations206
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of MarketingMême sujetCreativity in Education and NeuroscienceTravaux en français237 207