MétaCan
Menu
Retour à la cohorte
Enregistrement W2519049132 · doi:10.1108/jbs-08-2015-0084

Getting to clarity: new ways to think about strategy

2016· article· en· W2519049132 sur OpenAlexaff
C. Brooke Dobni, Mark Klassen, Drummond Sands

Notice bibliographique

RevueJournal of Business Strategy · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOrganizational Leadership and Management Strategies
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésCLARITYVariety (cybernetics)Strategic thinkingBureaucracyOriginalityStrategic planningStrategic managementPerspective (graphical)BusinessProcess managementPublic relationsManagement scienceKnowledge managementMarketingPolitical scienceComputer scienceSociologyQualitative researchEngineering

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to offer an opinion of current strategic thinking in North American organizations. By doing so, the paper presents a strategic model organizations can use that focuses on clarity. Design/methodology/approach The opinion and strategic framework was informed by authors’ research and consulting experiences over the past 10 years with leading companies across a variety of sectors. Findings Many organizations struggle with the strategic tradeoff between control, agility and risk and end up with complicated bureaucratic strategies. The strategic framework of clarity poses five questions that provides clear guidance for achieving focus. Practical implications Business leaders can apply the clarity framework to their existing strategic processes. By doing so, they can re-assess strategy and optimize their actions and outcomes to re-focus their strategic thinking in light of the new economy. Originality/value The paper offers a fresh perspective and opinion on strategy using familiar examples to executives. The clarity strategy framework provides executives with a simple but focused alternative to avoid strategic traps and learn from success and failure examples.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,586
Score d'incertitude au seuil0,960

Scores Codex et Gemma par catégorie

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

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 Opus0,046
Tête enseignante GPT0,247
Écart entre enseignants0,201 · 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 tête enseignante, 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
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

Citations15
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Business StrategyMême sujetOrganizational Leadership and Management StrategiesTravaux en français237 207