MétaCan
Menu
Retour à la cohorte
Enregistrement W2141134734 · doi:10.1109/icmit.2006.262247

Change Management in China - An application of Meta-Strategies Practice

2006· article· en· W2141134734 sur OpenAlexaff
Michael Miles, David Large

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOrganizational Change and Leadership
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesnon disponible
Mots-clésVariety (cybernetics)Set (abstract data type)ChinaHierarchyBest practiceMeta-analysisPosition (finance)Change management (ITSM)Knowledge managementRelation (database)PsychologyComputer scienceProcess managementPolitical scienceBusinessMarketingMedicineArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Change processes and projects have traditionally used a variety of strategies to ensure initiation, engagement of participants, and successful implementation. General strategies (meta-strategies) of change identified by the literature include use of information, values, power and, more recently, trust as "meta-strategies" associated with change management efforts. This article outlines the underlying philosophy and rationale of the four meta-strategies and outlines the perceived importance and frequency of use of each set of strategies in China. Findings indicate that, in China, values-driven strategies are perceived as most important in relation to change success and are also the most frequently used in practice. Trust based strategies, while declared to be the least important of the four meta-strategies, are the second most frequently used in actual change management practice. Power, an underlying theme in Chinese culture where position and hierarchy are perceived in general to be critical, is third in declared importance and fourth (last) in frequency of use while information is second in declared importance but third in actual frequency of use. Results of the study suggest an increased balanced use of all four of the strategies for effective change management

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,909
Score d'incertitude au seuil0,784

Scores Codex et Gemma par catégorie

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

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 Opus0,071
Tête enseignante GPT0,275
Écart entre enseignants0,204 · 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 tête enseignante, 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

Citations1
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOrganizational Change and LeadershipTravaux en français237 207