MétaCan
Menu
Retour à la cohorte
Enregistrement W2559800543 · doi:10.1108/md-01-2016-0010

Theory usage in empirical operations management research: a review and discussion

2016· review· en· W2559800543 sur OpenAlexaff
Thomas P. Kenworthy, Jaydeep Balakrishnan

Notice bibliographique

RevueManagement Decision · 2016
Typereview
Langueen
DomaineBusiness, Management and Accounting
ThématiqueQuality and Supply Management
Établissements canadiensUniversity of CalgaryUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésVettingEmpirical researchDisciplineOriginalityValue (mathematics)Field (mathematics)Order (exchange)Space (punctuation)Test theoryManagement scienceScientific theoryComputer scienceSociologyEpistemologyEconomicsSocial sciencePolitical scienceLawQualitative research

Résumé

récupéré en direct d'OpenAlex

Purpose The purpose of this paper is to analyze more than three decades of theory testing published in leading operations management (OM) journals. Design/methodology/approach This piece examines the amount of theory testing, the extent to which theories are tested multiple times, and the disciplinary origins of the theories that are tested. Findings The analysis revealed that empirical OM researchers have increasingly responded to demands for more theory-driven knowledge over time. OM researchers are developing and using a wide array of domestic theories to understand empirical data. The examination also revealed a substantial focus on theory borrowed from other scientific fields. Originality/value The findings here suggest that OM is clearly a maturing discipline. As the discipline matures, it is important to consider to what extent borrowed theories and frameworks can offer value to OM. A preliminary vetting model is advanced in order to critically assess foreign theory. It is hoped that future screening promotes only the most useful non-domestic theory, thereby ensuring sufficient journal space for domestic theory and resulting in effective solutions to the pressing, practical problems of the OM field.

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)0,041
score de la tête « metaresearch » (Gemma)0,073
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesaucune
DomaineSignal candidat: Méthodes · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,959
Score d'incertitude au seuil0,219

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0410,073
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0180,021
Études des sciences et des technologies0,0010,005
Communication savante0,0060,006
Science ouverte0,0030,002
Intégrité de la recherche0,0030,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,221
Tête enseignante GPT0,442
Écart entre enseignants0,221 · 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.

Devis d'étudeSans objet
DomaineMéthodes
GenreSynthèse

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

En bref

Citations10
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement DecisionMême sujetQuality and Supply ManagementTravaux en français237 207