MétaCan
Menu
Retour à la cohorte
Enregistrement W2790012731 · doi:10.1111/joms.12337

Poles Apart: The Arctic & Management Studies

2018· article· en· W2790012731 sur OpenAlexaboutno aff
Gail Whiteman, Dmitry Yumashev

Notice bibliographique

RevueJournal of Management Studies · 2018
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueArctic and Russian Policy Studies
Établissements canadiensnon disponible
Organismes subventionnairesSeventh Framework Programme
Mots-clésArcticFrontierWhite (mutation)Climate changeHistoryOceanographyGeographyPhysical geographyArchaeologyGeology

Résumé

récupéré en direct d'OpenAlex

If the Arctic is screaming, it's hard for management studies to hear.A search using the word 'Arctic' in the archives of the Academy of Management Journal, Academy of Management Review, Organization Studies, Organization Science, Administrative Science Quarterly reveals a blank space.Maybe you haven't noticed -this isn't a premiere destination for management school faculty.But its absence keeps us -a Canadian and Russian transdisciplinary team -awake at night.Russians refer to the Arctic (ffhrnbra) as 'RhaØybØ edeh' (Far North) and 'þagjkzhüe' (Beyond the Pole).Canadians call it the 'Great White North'.The Saami, Nenets, Khanty, Evenk, Chukchi, Aleut, Yupik and Inuit call the Arctic 'home'.The oil and gas industry call it the 'Last Frontier'.But management scholars don't tend to call it anything.We seek to change that.This may not be easy.Like any discipline, management scholars have well-trodden paths, and ours rarely goes north of 608.Yet scientists from other disciplines (oceanography, biology, ecology, climate, anthropology, glaciology) love the thrill of the remote.From our own experiences and through shared storytelling, we recognize that research in the Arctic is not for the fainthearted.We know numerous scientists who got stranded, faced polar bears, survived submarine fires under the ice and helicopter crashes on land.

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)0,003
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,087
Score d'incertitude au seuil0,172

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0120,005
Communication savante0,0100,008
Science ouverte0,0010,003
Intégrité de la recherche0,0030,005
Charge utile insuffisante (le modèle a refusé de juger)0,0090,002

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 Opus0,092
Tête enseignante GPT0,404
Écart entre enseignants0,312 · 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'étudeThéorique ou conceptuel
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

Citations24
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Management StudiesMême sujetArctic and Russian Policy StudiesTravaux en français237 207