MétaCan
Menu
Retour à la cohorte
Enregistrement W2803652718 · doi:10.1111/joms.12350

Unobtrusive Maintenance: Temporal Complexity, Latent Category Control and the Stalled Emergence of the Cleantech Sector

2018· article· en· W2803652718 sur OpenAlexafffundabout
Charlene Zietsma, Trish Ruebottom, Angelique Slade Shantz

Notice bibliographique

RevueJournal of Management Studies · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensBrock UniversityUniversity of Alberta
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésStructuringCompetition (biology)Disruptive innovationBusinessControl (management)Disruptive technologyIndustrial organizationResource (disambiguation)MarketingEconomicsComputer science

Résumé

récupéré en direct d'OpenAlex

Abstract Disruptive innovation changes the basis of competition within an industry and poses substantial threats for market incumbents. While researchers have focused on whether incumbents can successfully adapt, we know little about how potentially disruptive innovation may be avoided. Studying clean technology in Canada, we examine incumbent resistance when potentially disruptive technologies are seen as socially beneficial. We identify actions taken by incumbents and other socio‐technical regime actors to respond to the issue while simultaneously enacting legitimate stabilizing mechanisms within the regime’s institutional infrastructure. Specifically, temporal and resource‐based actions led to temporal complexity for disruptive cleantech entrepreneurs, and evaluation structuring work led to latent control of the cleantech category, privileging incumbents and resulting in unobtrusive maintenance . Our findings contribute to the disruptive innovation and institutional theory literatures by showing how disruption may be stalled by the enactment of legitimate elements of the institutional infrastructure rather than direct institutional defence.

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)0,002
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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,604
Score d'incertitude au seuil0,381

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,001
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 Opus0,042
Tête enseignante GPT0,267
Écart entre enseignants0,226 · 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'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

Citations56
Publié2018
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueJournal of Management StudiesMême sujetInnovation and Knowledge ManagementTravaux en français237 207