MétaCan
Menu
Retour à la cohorte
Enregistrement W2966858776 · doi:10.5465/ambpp.2019.19656abstract

Coordinating through Dialogical Presentation Practices

2019· article· en· W2966858776 sur OpenAlexaff
Wadih Renno

Notice bibliographique

RevueAcademy of Management Proceedings · 2019
Typearticle
Langueen
DomainePsychology
ThématiqueCounseling, Therapy, and Family Dynamics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésDialogical selfFraming (construction)AccountabilityPresentation (obstetrics)Best practiceVariety (cybernetics)PredictabilityConstruct (python library)Process managementProcess (computing)Knowledge managementComputer sciencePsychologySociologyEngineering ethicsPublic relationsBusinessSocial psychologyPolitical scienceEngineeringMedicine

Résumé

récupéré en direct d'OpenAlex

Coordinating in organizations is not an easy endeavor. Research has identified a wide variety of formal and informal coordinating mechanisms that support organizational work (Faraj & Xiao, 2006; Okhuysen & Bechky, 2009), yet we still know little about how coordinating is achieved in practice. This manuscript introduces posits dialogical presentation practices (DPP) as a fundamental element of coordinating processes. Framing the discussion within the setting on a Neonatal Intensive Care Unit, I show how DPPs and processes incorporating them allow individuals to build a common understanding of the past, project it in the future, and delineate actions in the process to connect the two. Through this process, individuals make themselves accountable for past action and update predictability, either by confirming current practices that work, or by learning from discrepancies, and updating or changing practices. Through their practices, they thus construct the conditions for coordination (common understanding, accountability, and predictability, Okhuysen & Bechky, 2009).

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)0,036
score de la tête « metaresearch » (Gemma)0,066
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,036
Score d'incertitude au seuil0,189

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0360,066
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0080,012
Communication savante0,0130,017
Science ouverte0,0030,015
Intégrité de la recherche0,0040,004
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,049
Tête enseignante GPT0,365
Écart entre enseignants0,316 · 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'étudeQualitatif
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAcademy of Management ProceedingsMême sujetCounseling, Therapy, and Family DynamicsTravaux en français237 207