MétaCan
Menu
Retour à la cohorte
Enregistrement W2152882693 · doi:10.1177/2041386613504608

Competing through customization

2013· article· en· W2152882693 sur OpenAlexaff
Ying Hong, Hui Liao, Michael C. Sturman, Yu Zhou

Notice bibliographique

RevueOrganizational Psychology Review · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésMass customizationPersonalizationProcess managementKnowledge managementValue (mathematics)BusinessEconomic rentComputer scienceBridge (graph theory)Outcome (game theory)MarketingEconomicsMicroeconomics

Résumé

récupéré en direct d'OpenAlex

Given the increasingly diverse customer preferences, customization has become a strategic opportunity for organizations to create value. There is no systematic effort, however, in understanding the implementation of customization as a competitive strategy. Based on theories of resources and capabilities and the multidimensional view of economic rents, we derive three strategies of customization—mass production, mass customization, and total customization—each creating a unique value for customers and incurring different costs. To bridge the gap in the human resources literature in delineating the strategic capabilities as an intermediate outcome of human resources systems, we further draw from organizational psychology perspectives to infer how the strategic capabilities for customization can be created through different human resources management systems.

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)0,003
score de la tête « metaresearch » (Gemma)0,009
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,037
Score d'incertitude au seuil0,124

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,009
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0020,003
Communication savante0,0080,007
Science ouverte0,0020,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0370,004

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 Opus0,032
Tête enseignante GPT0,298
Écart entre enseignants0,267 · 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'étudeSans objet
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

Citations15
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOrganizational Psychology ReviewMême sujetInnovation and Knowledge ManagementTravaux en français237 207