MétaCan
Menu
Retour à la cohorte
Enregistrement W2611991133 · doi:10.5465/ambpp.2016.14998abstract

Strategic Ethnography: Harnessing Subsidiary Resources for Organizational Renewal

2016· article· en· W2611991133 sur OpenAlexaff
Mary-Yoko Brannen, Terry Mughan, Sarah Easter

Notice bibliographique

RevueAcademy of Management Proceedings · 2016
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Organizational Studies
Établissements canadiensRoyal Roads University
Organismes subventionnairesnon disponible
Mots-clésMultinational corporationSubsidiaryBoundary spanningBusinessEthnographyInsiderCompetition (biology)Knowledge managementMarketingPublic relationsSociologyPolitical science

Résumé

récupéré en direct d'OpenAlex

We document the process of organizational renewal at Tesco Plc, the world’s third largest food retailer, in the wake of a historically unprecedented downturn in performance in its home market. The findings are based on an action research project in which an academic team trained Asian subsidiary managers to become in- house ethnographers of Tesco UK. The objective of the study was twofold: 1) to surface and evaluate the core values and strategic practices that comprised the essence of Tesco, 2) to identify sources of learning from Tesco’s foreign subsidiaries to promote organizational renewal in light of increasing competition in its home market. The study contributes to theory on boundary spanning in MNCs utilizing an innovative method we term ‘strategic ethnography’-a dynamic, holistic method of inquiry that leverages knowledge from the periphery by the effective use of ethnographic techniques for the purpose of sustainable organizational renewal in MNCs. We develop a process model of this method delineating the key role subsidiary managers can play drawing upon their insider- outsider knowledge-bases functioning as conduits in boundary spanning across complex organizational and geographic boundaries.

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)0,004
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,022

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0040,006
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,005
Communication savante0,0020,003
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,032
Tête enseignante GPT0,243
Écart entre enseignants0,211 · 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'étudeQualitatif
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

Citations0
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetManagement and Organizational StudiesTravaux en français237 207