MétaCan
Menu
Retour à la cohorte
Enregistrement W2818472022 · doi:10.5465/ambpp.2018.34

Taking Leaps of Faith: Evaluation Criteria and Resource Commitments for Breakthrough Inventions

2018· article· en· W2818472022 sur OpenAlexaff
Phillip H. Kim, Reddi Rayalu Kotha, Sebastian Fourné

Notice bibliographique

RevueAcademy of Management Proceedings · 2018
Typearticle
Langueen
DomainePsychology
ThématiqueAnimal and Plant Science Education
Établissements canadiensWilfrid Laurier University
Organismes subventionnairesnon disponible
Mots-clésLEAPSFaithResource (disambiguation)Context (archaeology)Variance (accounting)Management scienceKnowledge managementBusinessEngineeringComputer scienceEpistemology

Résumé

récupéré en direct d'OpenAlex

Breakthrough inventions form the basis of new technological standards, successful business ventures, and improve the well-being of society. However, predicting whether an invention truly has such potential is extremely difficult, and financially backing such innovations is risky. Because they are not fully formed, organizations and their evaluators must take a leap of faith in supporting cutting- edge invention concepts. We develop arguments for how and why evaluators decide to offer resource commitments to potential breakthrough inventions, despite the red flags raised using standard evaluation criteria. We tested our theory on nearly 700 invention evaluation reports written by a university’s technology transfer officers. Our results based on the interaction of standard evaluation criteria (i.e., feasibility and desirability) and the emotion of awe provide clues for when evaluators take a leap of faith. While backing potential breakthroughs increases the variance in outcomes, they are vital for any organization with a pro-social mission. Using the context of the research laboratory, our study insights can be applied to many management situations in which new ideas are assessed for resource commitments.

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)0,094
score de la tête « metaresearch » (Gemma)0,320
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: Empirique
Score de désaccord entre enseignants0,094
Score d'incertitude au seuil0,500

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0940,320
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,002
Études des sciences et des technologies0,0030,006
Communication savante0,0070,006
Science ouverte0,0010,004
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,140
Tête enseignante GPT0,423
Écart entre enseignants0,283 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetAnimal and Plant Science EducationTravaux en français237 207