MétaCan
Menu
Retour à la cohorte
Enregistrement W2818189627 · doi:10.5465/ambpp.2018.14866symposium

Strategic Management of Emerging Technologies

2018· article· en· W2818189627 sur OpenAlexaboutno aff
Rahul Kapoor, Riitta Katila, Marvin B. Lieberman, Willy C. Shih, Scott Stern, David J. Teece, Joshua S. Gans, Sohvi Heaton, Joshua Lathrop, Jason Rathje

Notice bibliographique

RevueAcademy of Management Proceedings · 2018
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueEconomic and Technological Innovation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésEmerging technologiesGovernment (linguistics)Emerging marketsProductivityCompetitive advantageRelevance (law)MarketingBusinessManagementPolitical scienceEconomicsComputer scienceEconomic growth

Résumé

récupéré en direct d'OpenAlex

Innovation is widely regarded as a crucial source of competitive advantage in an increasingly uncertain environment. More recently, we have witnessed a substantial rise in interest in emerging technologies in business that have the potential to reshape the economy and boost productivity across all sectors and industries. However, achieving successful development of emerging technologies holds great uncertainty requiring strategic management. Many emerging technologies involve a direct upfront cost, while their benefits may be long-term and unquantifiable, and thus increase the level of uncertainty in establishing market relevance. More theoretical development needs to be done to link higher, macro levels to organizational and individual levels. Studying emerging technologies has critical managerial and policy implications. We are particularly interested in how the consideration of such technologies changes or challenges our theories, methods, and research questions. The proposed symposium seeks to bring together papers that address these issues. Abstraction, Knowledge Flows, and the Rapid Dissemination of Emerging Technologies Presenter: Willy Shih; Harvard Business School Complement, Substitute, or Impediment: Is Government Money Smart Money for Private Innovation? Presenter: Jason Michael Rathje; Stanford U. Presenter: Riitta Katila; Stanford U. Understanding and Managing Uncertainty Surrounding Emerging Technologies Presenter: Rahul Kapoor; U. of Pennsylvania Profiting from Enabling Technologies: A Dynamic Capabilities Perspective Presenter: David J. Teece; U. of California, Berkeley Presenter: Joshua Lathrop; Berkeley Research Group Presenter: Sohvi Heaton; LMU Autonomous Vehicle Technology's Potential to Drastically Transform the Competitive Landscape Presenter: Marvin B Lieberman; UCLA Anderson School of Management Choosing a Technology Strategy Presenter: Joshua Gans; U. of Toronto Presenter: Scott Stern; Massachusetts Institute of Technology

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)0,000
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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,433
Score d'incertitude au seuil0,596

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,073
Tête enseignante GPT0,260
Écart entre enseignants0,187 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetEconomic and Technological InnovationTravaux en français237 207