Evidence-based management for today’s “ambidextrous” organizations
Notice bibliographique
Résumé
Purpose This paper examines how evidence based management (EBM) can help managers build more flexible organizations. In the context of this article, we define the need to build for this capacity around the challenge of “ambidexterity”, or the need for companies to continue operations while also allowing for innovation. We present a framework to help managers create strategies that help them build ambidexterity in their organizations, whether they operate in highly regulated, compliance driven or un-regulated, non-compliance climates. Design/methodology/approach This paper identifies four organizational design strategies each of which represents a different leadership and organization consideration that may focus on how evidence based management practices are linked to competency building (i.e., exploitation), the need innovation, or an equal balance between the two (i.e., ambidexterity). Findings Our findings reveal that an organization’s use of data given these four strategic orientations reflect different uses of data (verifiability and codification concerns) and ways of embedding compliance and ambidexterity (exploitation vs. exploration) considerations. Practical implications These four strategies help managers expose biases in their current decision-making practices, and how they subsequently may affect lifecycle, change management, and data practice in ambidexterity development. Originality/value While EBM acknowledges the importance of utilizing evidence, it remains limited toward understanding how it might be used to build for ambidexterity in organizations.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,136 | 0,234 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,009 | 0,005 |
| Études des sciences et des technologies | 0,007 | 0,024 |
| Communication savante | 0,031 | 0,020 |
| Science ouverte | 0,004 | 0,017 |
| Intégrité de la recherche | 0,007 | 0,012 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».