MétaCan
Menu
Retour à la cohorte
Enregistrement W2783064207 · doi:10.1177/0149206317744251

How Understanding-Based Redesign Influences the Pattern of Actions and Effectiveness of Routines

2018· article· en· W2783064207 sur OpenAlexaff
Hari Bapuji, Manpreet Hora, Akbar Saeed, Scott F. Turner

Notice bibliographique

RevueJournal of Management · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Organizational Studies
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésField (mathematics)Computer scienceEmpirical researchQualitative researchProcess managementKnowledge managementKey (lock)PsychologyManagement scienceEngineeringSociology

Résumé

récupéré en direct d'OpenAlex

Using a novel, mixed-methods research design, we examine how understanding-based redesign of a routine influences its effectiveness. By understanding-based redesign, we refer to an intentional change in routine design such that it aligns more closely with the understandings of participants regarding how to perform their roles in the routine. We argue that this type of redesign improves the effectiveness of a routine by facilitating the actions and interactions of routine participants. Our empirical examination focused on manipulating the procedure and physical artifacts available for performing the towel-changing routine at a hotel. Through a field experiment, we found that understanding-based redesign results in greater effectiveness of the routine, and based on a qualitative, interviews-based inquiry with key participants in the routine, we propose six processes by which understanding-based redesign influences participant actions that support routine effectiveness. Our study offers important implications for strategy and organizations research on routines, as well as useful implications for management practice.

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)0,025
score de la tête « metaresearch » (Gemma)0,139
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,132

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0250,139
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,004
Communication savante0,0060,004
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,045
Tête enseignante GPT0,244
Écart entre enseignants0,199 · 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'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

Citations27
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of ManagementMême sujetManagement and Organizational StudiesTravaux en français237 207