MétaCan
Menu
Retour à la cohorte
Enregistrement W2731576791 · doi:10.1002/job.2208

Making sense of organizational change: Is hindsight really 20/20?

2017· article· en· W2731576791 sur OpenAlexafffund
Laura Gover, Linda Duxbury

Notice bibliographique

RevueJournal of Organizational Behavior · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Organizational Studies
Établissements canadiensCarleton UniversityVancouver Island University
Organismes subventionnairesNIH Clinical CenterCanadian Institutes of Health Research
Mots-clésSensemakingHindsight biasPsychologyContext (archaeology)Construct (python library)NarrativeCognitionSocial psychologyOrganizational changeQualitative propertyPerceptionApplied psychologyKnowledge managementPublic relationsPolitical scienceComputer science

Résumé

récupéré en direct d'OpenAlex

Summary This qualitative study explores the conceptual links between 2 different approaches to managerial cognition, sensemaking and cognitive bias, in the context of organizational change. A longitudinal case study utilizing both real‐time assessments and retrospective sensemaking data from interviews with 26 hospital employees at 3 points in time was undertaken. Patterns related to individuals' retrospective accounts and real‐time assessments were identified and used to construct 4 prototypical narratives. Data analysis revealed that organizational change was not a markedly negative experience for most informants, which is contrary to the prevailing theme in the literature. This and other findings are discussed in terms of sensemaking and cognitive bias. This study makes 2 contributions to our understanding of how individual's experience and make sense of organizational change over time as (a) little is known about how the process of change unfolds over time at the individual level and (b) extant research has not investigated the extent to which individuals' retrospective sensemaking about organizational change reflects or diverges from their real‐time assessments over the course of the change. More broadly, the study provides insights and focused advice for management researchers regarding the use of retrospective data to understand individuals' perceptions of situations that have already occurred.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,086
Score d'incertitude au seuil0,997

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0000,002
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,053
Tête enseignante GPT0,286
Écart entre enseignants0,233 · 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.

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

Citations28
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Organizational BehaviorMême sujetManagement and Organizational StudiesTravaux en français237 207