MétaCan
Menu
Retour à la cohorte
Enregistrement W2765088019 · doi:10.5465/ambpp.2017.17558abstract

Embracing Bewilderment: Responding to Disruption in Heterogeneous Market Environments

2017· article· en· W2765088019 sur OpenAlexaff
Saeed Khanagha, Mohammad Taghi Ramezan Zadeh, Oli Mihalache, Saeedeh Ahmadi

Notice bibliographique

RevueAcademy of Management Proceedings · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésMultinational corporationBusinessContradictionIndustrial organizationProcess (computing)Longitudinal dataMarketing

Résumé

récupéré en direct d'OpenAlex

Rapid advances in technology are causing disruption to more and more industries. Prior research has emphasized that heterogeneity in the demand side is important in determining how incumbents respond to technological disruption. However, at present we know too little about the implications this may have for incumbents, particularly multinational enterprises (MNEs), and for their strategic change processes. We address this gap by looking at detailed longitudinal data from Ericsson, which reveals how the company dealt with Cloud computing as an emergent disruptive technology. From analysis of internal documents and communications, questionnaires, and interviews with managers at different levels of the organization, together with field-based observation, we are able to identify three key areas: (1) market heterogeneity as an important source of strategic contradiction, (2) the tensions that market heterogeneity causes at different stages in the innovation process, and (3) the implications of such tensions for the strategic responses of the MNE. We conclude by discussing the capabilities required for competitiveness when companies face technological disruption in heterogeneous markets.

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)0,007
score de la tête « metaresearch » (Gemma)0,017
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 enseignants0,011
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,017
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0050,008
Communication savante0,0110,011
Science ouverte0,0010,008
Intégrité de la recherche0,0030,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,022
Tête enseignante GPT0,270
Écart entre enseignants0,247 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetInnovation and Knowledge ManagementTravaux en français237 207