MétaCan
Menu
Retour à la cohorte
Enregistrement W2239979345 · doi:10.25300/misq/2015/39.4.10

Cultural Sensemaking in Offshore Information Technology Service Suppliers: A Cultural Frame Perspective1

2015· article· en· W2239979345 sur OpenAlexaff
Ning Su

Notice bibliographique

RevueMIS Quarterly · 2015
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOutsourcing and Supply Chain Management
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésSensemakingPerspective (graphical)OutsourcingService (business)BusinessOffshore outsourcingOffshoringKnowledge managementFrame (networking)Submarine pipelineEngineeringMarketingComputer scienceTelecommunications

Résumé

récupéré en direct d'OpenAlex

In today’s global IT outsourcing relationships, individual employees need to operate effectively in culturally diverse environments. Such intercultural interactions can be especially challenging for members of IT service suppliers based in offshore locations. Through an in-depth qualitative case study of one of the largest China-based IT service firms with diverse clients from Japan, the United States, and China, this research elaborates the cultural sensemaking activities of the supplier’s individual employees. Specifically, drawing on the dynamic constructivist view of culture, this study develops the construct of “cultural frames” in the context of global IT outsourcing to characterize the knowledge structures guiding an individual’s collaboration with diverse clients. A portfolio of cultural frames emerges and evolves through the individual’s cultural sensemaking activities, which consist of the iterative enactment, alignment, and retention of cultural frames. In the cultural sensemaking process, the activity of frame bridging, in particular, creates significant value for the outsourcing relationship, and is especially salient among bicultural employees.

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)0,005
score de la tête « metaresearch » (Gemma)0,004
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: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,039

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,004
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0090,018
Communication savante0,0070,006
Science ouverte0,0010,006
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 Opus0,017
Tête enseignante GPT0,234
Écart entre enseignants0,217 · 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

Citations42
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMIS QuarterlyMême sujetOutsourcing and Supply Chain ManagementTravaux en français237 207