MétaCan
Menu
Retour à la cohorte
Enregistrement W2511315264 · doi:10.1080/10438599.2016.1203084

Does organizational innovation moderate technical innovation directly or indirectly?

2016· article· en· W2511315264 sur OpenAlexaff
Brian Paul Cozzarin, Weonseek Kim, Bonwoo Koo

Notice bibliographique

RevueEconomics of Innovation and New Technology · 2016
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueFirm Innovation and Growth
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésEndogeneityContext (archaeology)ProductivityDivergence (linguistics)Organizational performanceIndustrial organizationControl (management)Organizational learningEconomicsStructural equation modelingKnowledge managementBusinessEconometricsMarketingComputer scienceManagement

Résumé

récupéré en direct d'OpenAlex

We find a divergence in the literature regarding the treatment of how organizational innovation affects innovation and performance. One point of view suggests that organizational innovation impacts performance only, while the other suggests that it impacts technical innovation and firm performance. We use the framework of Crepon-Duguet-Mairesse (CDM) to control for endogeneity; we also use two different measures for organizational innovation. Our contributions to the literature are: the CDM framework in this context is novel; prior research either did not/could not control for endogeneity whereas the CDM framework mitigates this. To discriminate between the direct and indirect approach, we implemented AIC and BIC tests. We find that for the innovation equations in all cases and regardless of which organizational innovation variable is used the direct model is preferable. In contrast, for the productivity equations, we find that in all cases the indirect model is preferable. Thus we do not have a definitive statistical test for which model is superior. Yet, it is our contention that organizational innovation is a new routine within the firm that should impact technical innovation. Furthermore, organizational design theories deduce that organizational innovation should impact technical innovation-implying that the direct model is indeed preferable.

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)0,022
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 enseignants0,011
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,022
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,002
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0010,002
Intégrité de la recherche0,0020,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,001

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 Opus0,028
Tête enseignante GPT0,230
Écart entre enseignants0,202 · 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

Citations19
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEconomics of Innovation and New TechnologyMême sujetFirm Innovation and GrowthTravaux en français237 207