MétaCan
Menu
Retour à la cohorte
Enregistrement W2912487750 · doi:10.1590/s0034-759020170306

MNEMONIC CAPABILITIES: COLLECTIVE MEMORY AS A DYNAMIC CAPABILITY

2017· article· en· W2912487750 sur OpenAlexaff
Diego M. Coraiola, Roy Suddaby, William Foster

Notice bibliographique

RevueRevista de Administração de Empresas · 2017
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensUniversity of VictoriaUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésMnemonicTemporalityCollective memoryDynamic capabilitiesAdaptation (eye)Computer scienceTemporalitiesCompetitive advantageArgument (complex analysis)SociologyEpistemologyKnowledge managementPolitical sciencePsychologyCognitive psychologyManagementEconomics

Résumé

récupéré en direct d'OpenAlex

ABSTRACT Dynamic capabilities (DCs) are the processes that organizations develop to remain competitive over time. However, in spite of the importance of temporality in the development of DCs, the roles of time, history, and memory remain largely implicit. In fact, most studies focus on the past as a source of constraints and limits for managerial action. Alternatively, we advocate for a social constructionist view of the past. Our core argument is that the capacity to manage the past is a critical competence of modern organizations. We argue that organizations can manage their collective memory as resources that aid the objective reproduction and exploitation of existing routines, the interpretive reconstruction and recombination of past capabilities for adaptation to environmental change, and the imaginative extension and exploration of collective memory for anticipated scenarios and outcomes. This renewed view of time, history, and memory is better suited for a dynamic theory of competitive advantage.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,779
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,021
Tête enseignante GPT0,292
Écart entre enseignants0,271 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations11
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRevista de Administração de EmpresasMême sujetInnovation and Knowledge ManagementTravaux en français237 207