MétaCan
Menu
Retour à la cohorte
Enregistrement W2600636111 · doi:10.1142/s1363919617500608

ANTECEDENTS OF EMPLOYEE CREATIVITY AND ORGANISATIONAL INNOVATION: AN EMPIRICAL STUDY

2017· article· en· W2600636111 sur OpenAlexaffabout
Mohammed Laid Ouakouak, Noufou Ouédraogo

Notice bibliographique

RevueInternational Journal of Innovation Management · 2017
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueKnowledge Management and Sharing
Établissements canadiensMacEwan University
Organismes subventionnairesnon disponible
Mots-clésCreativityEmpirical researchValue (mathematics)Knowledge managementSample (material)PsychologyConceptual frameworkBusinessSociologyPublic relationsSocial psychologyPolitical scienceComputer scienceSocial scienceEpistemology

Résumé

récupéré en direct d'OpenAlex

As an important source of organisational innovation, employee creativity is considered by most scholars and practitioners as a must for contemporary organisations. In this vein, organisational members should and must actively engage in generating new and valuable ideas. Various scholars have emphasized the value of identifying and understanding the factors contributing to employee creativity. The purpose of this research is therefore to investigate the factors fostering individual creativity and organisational innovation. To this end, we have developed a conceptual model and tested it with an empirical study based on a sample of 307 participants from Canadian organisations. The results reveal that knowledge sharing and person–organisation fit have positive impacts on individual creativity. Furthermore, personal trust moderates the relationship between business ethics and individual creativity. The results also show that an initiative-friendly culture moderates the impact of individual creativity on organisational innovation.These findings offer a new framework for developing further studies on creativity and innovation, as well as important practical implications for managers.

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)0,024
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 enseignants0,007
Score d'incertitude au seuil0,033

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,024
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0020,002
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,106
Tête enseignante GPT0,452
Écart entre enseignants0,346 · 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

Citations51
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Innovation ManagementMême sujetKnowledge Management and SharingTravaux en français237 207