MétaCan
Menu
Retour à la cohorte
Enregistrement W2121392610 · doi:10.1177/1476127009349842

Striving toward the future: aspiration—performance discrepancies and planned organizational change

2009· article· en· W2121392610 sur OpenAlexaff
Giuseppe Labianca, James F. Fairbank, Goce Andrevski, Michael Parzen

Notice bibliographique

RevueStrategic Organization · 2009
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésCompetitor analysisBusinessAffect (linguistics)Competitive advantageMarketingPlanned changeOrganizational changeSample (material)Public relationsPsychologyPolitical science

Résumé

récupéré en direct d'OpenAlex

Interest has been growing in understanding how organizations’ aspiration levels affect their planning for future organizational change. Previous research has not specified whether organizations use direct competitors or other comparable organizations as referents for forming their aspirations. In this study, it is argued that organizations form their social aspirations based on two types of interorganizational comparisons: competitive and striving. In competitive comparisons, an organization compares its current performance against that of its current direct competitors. When relative performance is poor, these organizations plan more extensive and more radical change. However, the study shows that organizations that are performing well relative to competitors do not necessarily become inertial, as theory suggests. Rather, organizations engage in striving comparisons by comparing their current performance against the performance of organizations to which they strive to be like in the future. The analyses show that organizations with large striving discrepancies are driven to more extensive and more radical change, even if they are performing well compared to current competitors. The study examined this interplay between competitive and striving discrepancy in explaining organizational change on a sample of 131 AACSB accredited business schools.

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)0,006
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: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,003
Communication savante0,0030,002
Science ouverte0,0010,003
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 Opus0,029
Tête enseignante GPT0,209
Écart entre enseignants0,180 · 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'étudeQualitatif
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

Citations105
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrategic OrganizationMême sujetInnovation and Knowledge ManagementTravaux en français237 207