MétaCan
Menu
Retour à la cohorte
Enregistrement W2145306959 · doi:10.1287/orsc.2014.0942

Being a Catalyst of Innovation: The Role of Knowledge Diversity and Network Closure

2014· article· en· W2145306959 sur OpenAlexaff
Marco Tortoriello, Bill McEvily, David Krackhardt

Notice bibliographique

RevueOrganization Science · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMultinational corporationDiversity (politics)Knowledge managementBusinessPosition (finance)Process (computing)Structural holesClosure (psychology)Key (lock)Social network (sociolinguistics)Industrial organizationComputer scienceSocial capitalSociologyEconomicsEcologyBiology

Résumé

récupéré en direct d'OpenAlex

Whereas recent research on organizational innovation suggests that there is an ecology of roles supporting the innovation process, the majority of network research has concentrated on the role of inventors. In this paper, we contribute to research on organizational innovation by studying the social structural conditions conducive to individuals supporting, facilitating, and promoting the innovativeness of their colleagues—a role we refer to as catalysts of innovation. We consider an individual’s network position and the type of knowledge available to her through her network as key enabling conditions. We argue that the unique configuration of having access to diverse knowledge through a closed network enables individuals to act as innovation catalysts. Based on a study of 276 researchers in the research and development division of a large multinational high-tech company, we find strong support for our prediction and demonstrate that catalysts make important contributions to the innovative outputs of other researchers in terms of their colleagues’ patent applications.

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)0,041
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 seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,041
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0030,010
Communication savante0,0070,010
Science ouverte0,0010,006
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,009
Tête enseignante GPT0,204
Écart entre enseignants0,194 · 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

Citations175
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrganization ScienceMême sujetInnovation and Knowledge ManagementTravaux en français237 207