Linking Innovation Measurement to an Implementation Framework: A Case Study of a Financial Services Organization at the Front End of Innovation
Notice bibliographique
Résumé
Many organizations find themselves at the "front end of innovation", that is, they know they need to do something, but they are not quite sure what to do. Through our research, we have learned much more about the practice and implementation of innovation. For example, we have discovered that innovation is most successful if there is leadership support for a culture of innovation combined with systematic approaches to embed and reinforce innovative behaviours. This article outlines a case study of an organization in the financial services industry who began their innovation journey a number of years ago, and reports on the progress of a sustained and deliberate approach. This research highlights the relationship between an innovation cultural assessment model and its utilization as a framework to manage the implementation of activities to support the development of an innovation approach in a context specific scenario. A case study methodology was adopted that utilized an innovation culture model as a measurement tool. By actively observing the organization, including two cultural assessments over a 4-year period, the findings indicate that an innovation assessment model is useful as an approach to advance the innovation agenda in the organization. In this sense, the research findings are of interest to academics looking to conceptualize a broader implementation framework that is closely associated to the innovation measure associated with the organization. As well, practitioners looking to advance their innovation platforms will find the framework useful as they plan initiatives aimed at advancing their innovation agendas.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,004 | 0,016 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».