MétaCan
Menu
Retour à la cohorte
Enregistrement W2333609655 · doi:10.5465/ambpp.2014.11612abstract

Individuals with Multi-Institutional Profiles: Construct Development and Operationalization

2014· article· en· W2333609655 sur OpenAlexaff
Qin Han, P. Devereaux Jennings

Notice bibliographique

RevueAcademy of Management Proceedings · 2014
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueFamily Business Performance and Succession
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésOperationalizationConstruct (python library)Set (abstract data type)PsychologyAggregate (composite)Social psychologyCognitive psychologyKnowledge managementComputer scienceEpistemology

Résumé

récupéré en direct d'OpenAlex

This conceptual paper has three overarching objectives. The first is to propose a new construct for cross-cultural research, which we refer to as an individual’s multi-institutional profile (MIP). Defining this construct as personal characteristics indicative of exposure to and at least partial internalization of transcultural values and norms that are likely to shape an individual’s cognitions, decisions and behaviors, we suggest that individuals with an MIP represent a hitherto overlooked set of agents who contribute to intra-cultural differences and processes of cultural change. Our second objective is to offer suggestions for operationalizing the MIP construct. We do this by delineating illustrative demographic measures and then providing examples of how these separate indicators can be combined to form an aggregate measure reflecting the strength of an individual’s MIP. Our third objective is to discuss how the separate and/or aggregate measures of the MIP construct can be examined empirically within a wide range of academic fields —including international business, entrepreneurship/family business, and organizational behavior.

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)0,006
score de la tête « metaresearch » (Gemma)0,013
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: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,020
Tête enseignante GPT0,230
Écart entre enseignants0,211 · 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

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetFamily Business Performance and SuccessionTravaux en français237 207