MétaCan
Menu
Retour à la cohorte
Enregistrement W2264768107

Algorithmic Foundations for Business Strategy

2016· article· en· W2264768107 sur OpenAlexaff
Mihnea Moldoveanu

Notice bibliographique

RevueSSRN Electronic Journal · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBusiness Strategy and Innovation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésSophisticationComputer scienceSet (abstract data type)Adaptation (eye)Management scienceKey (lock)Strategic managementStrategic planningCompetitive advantageBusinessEconomicsMarketing
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

I introduce algorithmic models for the study of strategic problem solving, aimed at illuminating the processes and procedures by which strategic managers and firms deal with complex problems. These models allow us to explore the relationship between the complexity of an environment, the sophistication of the problem solving processes and procedures used to optimally map problem statements into strategic actions, and the organizational structures that are best suited to the implementation of solutions. This approach allows us to distinguish among levels of sophistication in the strategic management of complexity, specifically among rational, irrational, quasi-rational and super-rational problem solving processes and responses of strategic managers and organizations. It highlights a set of dynamic search and adaptation capabilities that can be studied via the algorithmic and computational properties of the problems they are meant to solve and the efficiency and reliability by which they search a solution space. It points to several new components of competitive advantage that are linked to the complexity adaptation of a firm: ‘offline problem solving’ and ‘simulation advantage’ are key strategic differentiators for firms facing complex problems.

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)0,002
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,006
Communication savante0,0050,006
Science ouverte0,0010,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0100,002

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 Opus0,020
Tête enseignante GPT0,247
Écart entre enseignants0,227 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetBusiness Strategy and InnovationTravaux en français237 207