The Role of Computer Simulations in Science and the Academy
Notice bibliographique
Résumé
Predictions are nice, if you can make them. But the essence of science lies in explanation, laying bare the fundamental mechanisms of nature. (Arthur Burks) Management and organization researchers’ engagement of computer simulation (or computational modelling) to understand the behavior of collections of individuals and institutions is derived from the uses of models in general, which has been at the core of ‘how science is done’ in fields as old as physics. Although some of the most influential use of simulations in management occurred over 50 years ago (Clarkson & Meltzer, 1960; Clarkson & Simon, 1960; Cohen & Cyert, 1961), the methodology itself has not been seamlessly integrated into the toolbox of organization research or researchers (Augier & Prietula, 2007). Over the years the Academy has published papers about the importance of this approach (Davis, Eisenhardt, & Bingham, 2007; Harrison, Lin, Carroll, & Carley, 2007), but no actual simulation papers have appeared in the past 10 years. Recently, an Editorial has appeared in the Academy of Management Journal discussing the “suitability” of submitting (computer) simulations to that journal (Shaw & Ertug, 2017), which appears to be the current stance of the favored outlet (vs. the Review) for Academy researchers. The purpose of this panel is to assemble a knowledgeable team of experts who will discuss (a) aspects of successfully and effectively using simulations in organization and management research, (b) the variety of ways simulation can be engaged in organization and management research, (c) elements and issues from an editorial perspective (including the recent Editorial), and (d) how Academy members can acquire the competencies to conduct this type of research. The panel discussions will be moderated and structured to being with an interactive discussion amongst themselves then move to open discussion with audience members.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,003 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».