Knowing through doing: unleashing latent dynamic capabilities in the public sector
Notice bibliographique
Résumé
Introduction Public sector managers are increasingly asked to do more with less. They are expected to find ways to improve organisational performance – even in times of decreasing financial resources, and often in the face of scarce human resources. Even if they know how to make improvements, they may not be able to implement the appropriate changes. A gap may exist between what is known and what is done – what Pfeffer and Sutton (2000) called ‘the knowing–doing gap’. The newer waves of knowledge translation research (e.g. Grimshaw et al . 2005) frame the gap as a disconnection between knowledge acquisition and the use or implementation of that knowledge. Similarly, a recent systematic review of diffusion of innovation (Greenhalgh et al . 2004) refers to the lags or gaps between knowledge, action and innovation as indication of oversimplification of diffusion models combined with a lack of robust evidence concerning how diffusion occurs and indicators of when and how it is successful. In addressing the knowing–doing gap within the context of improving performance in a public sector organisation, a shortage of management or organisation-based knowledge can create a gap in knowledge acquisition. The assumption that public sector managers should be able to understand what needs to be done to achieve organisational goals and activities presumes their ability to develop and use managerial strategies towards these ends. Accordingly, strategy in the public sector has become an increasingly relevant research topic (Llewellyn and Tappin 2003).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,012 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,009 |
| Communication savante | 0,006 | 0,012 |
| Science ouverte | 0,001 | 0,004 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».