MétaCan
Menu
Retour à la cohorte
Enregistrement W2922199650 · doi:10.5465/amj.2016.0487

Cocreating Rigorous and Relevant Knowledge

2019· article· en· W2922199650 sur OpenAlexaff
Garima Sharma, Pratima Bansal

Notice bibliographique

RevueAcademy of Management Journal · 2019
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Organizational Studies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésRelevance (law)Knowledge managementProcess (computing)Event (particle physics)Focus (optics)OntologyExplicit knowledgeComputer sciencePsychologyData scienceEpistemologyPolitical science

Résumé

récupéré en direct d'OpenAlex

The communities of research and practice are embedded in different knowledge systems; research favors rigor, while practice favors relevance. Many management scholars have concluded that cocreating knowledge with these two knowledge systems is difficult and rare, with such criticisms or reservations often being based on an event-based account of cocreation in which the cocreation activities occur over a distinct period of time with a clear beginning and end. However, event-based accounts bring the challenges of cocreation into focus. In the present research, we have assumed a process ontology, which brings the dynamics into focus and recognizes that cocreation is continuous. We observed two projects in which researchers and managers collaborated to generate knowledge related to business sustainability, and conducted 67 interviews with 47 participants in similar projects. We found that, by making the process explicit, participants were better able to cocreate knowledge. Furthermore, we identified two devices that helped to make the process explicit: (1) making temporal connections between events and (2) recognizing the incompleteness of the objects. Our study contributes to prior research on cocreation by showing that cocreation occurs not just within events but also between events, so that rigor and relevance are imbricated over time.

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)0,098
score de la tête « metaresearch » (Gemma)0,177
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: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,098
Score d'incertitude au seuil0,516

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0980,177
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,002
Bibliométrie0,0110,007
Études des sciences et des technologies0,0050,051
Communication savante0,0170,024
Science ouverte0,0060,027
Intégrité de la recherche0,0040,005
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,014
Tête enseignante GPT0,236
Écart entre enseignants0,223 · 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

Citations162
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management JournalMême sujetManagement and Organizational StudiesTravaux en français237 207