MétaCan
Menu
Retour à la cohorte
Enregistrement W2758392809 · doi:10.1177/1056492617726712

A Retrospective Examination of a Successful Developmental Reviewing Process

2017· article· en· W2758392809 sur OpenAlexaff
Dries Faems, David R. Hannah

Notice bibliographique

RevueJournal of Management Inquiry · 2017
Typearticle
Langueen
DomainePsychology
ThématiqueTeam Dynamics and Performance
Établissements canadiensSimon Fraser University
Organismes subventionnairesnon disponible
Mots-clésProcess (computing)Empirical examinationBusinessProcess managementPsychologyComputer scienceActuarial science

Résumé

récupéré en direct d'OpenAlex

In this essay, we describe a retrospective examination of a review process for a manuscript that was published in the Journal of Management Studies (JMS) in 2015 (Hannah &Robertson, 2015). The two authors of the essay are (a) the first author of the JMS manuscript, David Hannah, and (2)the JMS editor of that manuscript, Dries Faems. We originally engaged in this examination to prepare for a presentation at the Strategy Process Interest Group workshop on“The Process of Publishing Process Research” during the 2015 Strategic Management Society meeting in Denver, Colorado. We have written this essay with a goal of sharing our observations about this review process. Although we share some of the content of the original manuscript herein, we focus most of our attention on describing each step in the review process from the perspective of the author as well as the editor. We conclude by offering what we hope are usefuland generalizable lessons about the challenges that authors and editors face in the review process, how to navigate them, and how to systematically improve the overall review process.We begin in July 2013, with JMS submission P0431, titled, “Why do Employees put Confidential Information at Risk? CI Protection and Confidentiality Tension in High-Tech Employees.” The paper reported the findings of a qualitative, theory-elaborating study involving 55 semistructured interviews with the employees of two high-tech companies.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,511
Score d'incertitude au seuil0,320

Scores Codex et Gemma par catégorie

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

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 Opus0,055
Tête enseignante GPT0,364
Écart entre enseignants0,308 · 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.

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

Citations4
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management InquiryMême sujetTeam Dynamics and PerformanceTravaux en français237 207