MétaCan
Menu
Retour à la cohorte
Enregistrement W2885054654 · doi:10.1177/0021886318793383

The Role of a Learning Approach in Building an Interorganizational Network Aiming for Collaborative Innovation

2018· article· en· W2885054654 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueThe Journal of Applied Behavioral Science · 2018
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensHEC Montréal
Organismes subventionnairesnon disponible
Mots-clésTransformational leadershipKnowledge managementProcess (computing)Space (punctuation)Transaction costAction (physics)Database transactionCollaborative learningAction learningBusinessComputer scienceSociologyProcess managementPublic relationsPolitical scienceCooperative learningTeaching method

Résumé

récupéré en direct d'OpenAlex

Collaboration has become a common way for organizational actors to engage in problem solving and innovation. Yet shifting from strategic interactions (driven by reduction of transaction costs) to transformational interaction (driven by collaborative transorganizational development) appears to be difficult to achieve in practice in a network setting. This article argues that such a shift can be enhanced by adopting an action learning approach, which entails working on real-life problems without clear solutions and collectively working to resolve them. Based on an action learning research process, this article therefore explores ways to support collective knowledge creation within an interorganizational network setting. It provides rich illustrations of how the interactions in the network changed through the process, and the participants moved from a space of territorial protection to a space for collaborative exploration. From this case, the article outlines a model for learning in interorganizational networks and discusses related challenges.

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.

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)0,004
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,698
Score d'incertitude au seuil0,503

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,004
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
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 Opus0,027
Tête enseignante GPT0,287
Écart entre enseignants0,260 · 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