Mutual Understanding in Information Systems Development: Changes Within and Across Projects1
Notice bibliographique
Résumé
Although information systems development (ISD) projects are critical to organizations and improving them has been the focus of considerable research, successful projects remain elusive. Focusing on the cognitive aspects of ISD projects, we investigate how and why mutual understanding (MU) among key stakeholder groups (business and information technology managers, users, and developers) changes within and across projects, and how it affects project success. We examine relationships among project planning and control mechanisms; sensegiving and sensemaking activities by, and MU among, these stakeholder groups; and project success. Combining deductive and inductive approaches for theory building, we develop an initial model based on the literature and then modify it based on the results of a longitudinal embedded mixed-methods study of 13 projects at 2 organizations over a 10-year period. The results provide insights into the development of MU within projects, including (1) how MU changes during projects as a result of cognitive activities (sensegiving and sensemaking); (2) how planning and control mechanisms (and the associated artifacts) affect these cognitive activities; (3) how MU, and achieving it early in the project, affects success; and (4) how stakeholder engagement (in terms of depth, scope, and timing) affects the relationships in (1) and (2). The results also indicate that project management mechanisms, stakeholder engagement, and MU may change (either improve or deteriorate) across projects, depending on the disagreements among stakeholders in previous projects, the introduction of new project elements in subsequent projects, and the reflection on previous projects.
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 | 0,000 | 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 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| 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 ».