MétaCan
Menu
Retour à la cohorte
Enregistrement W2166289943 · doi:10.1177/0149206315584821

Contradictory yet Coherent? Inconsistency in Performance Feedback and R&D Investment Change

2015· article· en· W2166289943 sur OpenAlexaff
Gerardus J. M. Lucas, Joris Knoben, Marius T.H. Meeus

Notice bibliographique

RevueJournal of Management · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésPositive feedbackMechanism (biology)Negative feedbackAffect (linguistics)Investment (military)MicroeconomicsComputer scienceControl theory (sociology)EconomicsPsychologyCognitive psychologyControl (management)CommunicationPhysicsArtificial intelligenceEngineeringPolitical science

Résumé

récupéré en direct d'OpenAlex

In this paper, we study to what extent inconsistent feedback signals about performance affect firm adaptive behavior in terms of changes made to research-and-development (R&D) investments. We argue that inconsistency in performance feedback—based on discrepancies between two distinct performance signals—affects the degree to which such investments will be changed. Our aim is to show that accounting for inconsistent performance feedback is necessary as predictions for the direction of change in R&D investments based on the individual performance feedback signals are contradictory. Furthermore, we contribute by proposing a holistic consideration mechanism as an alternative to the selective attention mechanism previously applied to inconsistent performance feedback. Our findings show that the impact of inconsistency depends on the exact configuration of the underlying performance feedback signal discrepancies. While consistently negative performance feedback signals would amplify their impact in stimulating increased R&D investments, inconsistent performance feedback signals created more nuanced effects. Having lower performance compared to an industry-based peer group—despite doing well compared to the previous year—made firms decrease their R&D investments. For the opposite case of inconsistent performance feedback, we did not find an effect on change in R&D investments. These findings support to a degree our contention that explaining the effects of inconsistent performance feedback requires a holistic consideration theoretical mechanism instead of one involving selective attention. In sum, these findings suggest future research should take into account the differences between distinct instances of inconsistent performance feedback.

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)0,065
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 seuil0,042

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,065
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0020,002
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 Opus0,089
Tête enseignante GPT0,247
Écart entre enseignants0,159 · 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

Citations116
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ManagementMême sujetInnovation and Knowledge ManagementTravaux en français237 207