MétaCan
Menu
Retour à la cohorte
Enregistrement W2121131595 · doi:10.3386/w11849

Inertia and Incentives: Bridging Organizational Economics and Organizational Theory

2005· report· en· W2121131595 sur OpenAlexaff
Rebecca Henderson, Sarah Kaplan

Notice bibliographique

RevueNational Bureau of Economic Research · 2005
Typereport
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBusiness Strategy and Innovation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésBridging (networking)Organizational economicsIncentiveOrganizational learningInertiaOrganizational commitmentEconomicsBusinessMicroeconomicsManagementComputer sciencePhysics

Résumé

récupéré en direct d'OpenAlex

Organizational theorists have long acknowledged the importance of the formal and informal incentives facing a firm''s employees, stressing that the political economy of a firm plays a major role in shaping organizational life and firm behavior.Yet the detailed study of incentive systems has traditionally been left in the hands of (organizational) economists, with most organizational theorists focusing their attention on critical problems in culture, network structure, framing and so on in essence, the social context in which economics and incentive systems are embedded.We argue that this separation of domains is problematic.The economics literature, for example, is unable to explain why organizations should find it difficult to change incentive structures in the face of environmental change, while the organizational literature focuses heavily on the role of inertia as sources of organizational rigidity.Drawing on recent research on incentives in organizational economics and on cognition in organizational theory, we build a framework for the analysis of incentives that highlights the ways in which incentives and cognition while being analytically distinct concepts are phenomenologically deeply intertwined.We suggest that incentives and cognition coevolve so that organizational competencies or routines are as much about building knowledge of "what should be rewarded" as they are about "what should be done."

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)0,009
score de la tête « metaresearch » (Gemma)0,016
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 enseignants0,009
Score d'incertitude au seuil0,046

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,016
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0050,004
Études des sciences et des technologies0,0020,017
Communication savante0,0070,009
Science ouverte0,0010,004
Intégrité de la recherche0,0030,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,134
Tête enseignante GPT0,390
Écart entre enseignants0,256 · 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

Citations51
Publié2005
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNational Bureau of Economic ResearchMême sujetBusiness Strategy and InnovationTravaux en français237 207