An integrative methodology for creatively exploring decision choices
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The authors translate their the concept of integrative thinking into a repeatable methodology, supported by a set of tools for thinking through difficult or “wicked“ problems, a process that offers a better chance of rejecting false choices and of finding a way through to an innovative alternative. Design/methodology/approach The authors divide their process into four phases. A case example illustrates each phase. Findings The four phases that make up the integrative thinking 10;process: articulating opposing ways to solve a vexing problem; analyzing those opposing models to truly understand them; attempting to resolve the antithetical approaches of the opposing models by creating new models that contain elements of the original alternatives but are superior to either one and testing the potential new solutions. Research limitations/implications Additional examples and detailed guidance is provided in the authors new book “Creating Great Choices: A Leader’s Guide to Integrative Thinking,” (Harvard Business School Press, 2017). Practical implications Several corporate examples of “wicked” problems to which integrative thinking might be applied are: After a merger, the combined sales organization is riven by dissension between proponents of two opposite approaches – one using direct sales and the other channel partners. The CEO of a retail bank struggling to manage the conflicting goals of increasing efficiency and improving customer service. Originality/value Applied thoughtfully, this new and tested methodology gives leaders at all levels a fighting chance at solving challenging problems and creating breakthrough choices.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,004 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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