MétaCan
Menu
← Retour à la cohorte
Enregistrement W2823595429 · doi:10.5465/ambpp.2018.12487symposium

Tracing Trajectories: Analyzing and Visualizing Unfolding Sequences of Action

2018· article· en· W2823595429 sur OpenAlexaboutno aff
Marlys K. Christianson, Serena Sohrab, Mary J. Waller, Sarah Kaplan

Notice bibliographique

RevueAcademy of Management Proceedings · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Organizational Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAction (physics)Event (particle physics)TrajectoryConstruct (python library)Computer scienceSet (abstract data type)Generative grammarProcess (computing)TracingSociologyArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Scholars are paying increasing attention to trajectories of action as a way to study how organizational process emerge, change, and evolve. Trajectories include both the sequences of action that unfold over time as well as the interactions that shape the course of those actions. Although a trajectory approach is a powerful way to examine organizational processes, it is often difficult to collect the fine-grained process data necessary to construct trajectories, and it can be challenging to analyze and visualize trajectories. In this symposium, we argue that trajectories are a generative but underused approach for examining organizational processes. We bring together a group of scholars with expertise in trajectory-based research to present some of their own research, with the hope that this set of presentations will act as a jumping off point for a broader discussion of how studying trajectories might enhance our knowledge of organizational processes. Managing a real-world unexpected event: Trajectories of routine and non-routine activities Presenter: Marlys K. Christianson; U. of Toronto Presenter: Serena Sohrab; U. of Ontario Institute of Technology Presenter: Mary J. Waller; Texas Christian U. Fluid and stable mapping: Trajectories of team action patterns and adaptive outcomes Presenter: Sjir Uitdewilligen; Maastricht U. Presenter: Mary J. Waller; Texas Christian U. Presenter: Ramon Rico; U. of Western Australia Behind the curtain: Tracking the nested trajectories of stage management teams Presenter: Marzieh Saghafian; Schulich School of Business Presenter: Mary J. Waller; Texas Christian U. Presenter: Seth A. Kaplan; George Mason U. Presenter: Wendy Reid; HEC Montreal Visualizing clinical trajectories with ThreadNet Presenter: Brian T. Pentland; Michigan State U.

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)0,003
score de la tête « metaresearch » (Gemma)0,011
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,011
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0080,006
Études des sciences et des technologies0,0010,002
Communication savante0,0040,007
Science ouverte0,0010,004
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0080,002

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 Opus0,036
Tête enseignante GPT0,287
Écart entre enseignants0,251 · 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'étudeQualitatif
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 Proceedings→Même sujetManagement and Organizational Studies→Travaux en français237 207→