Complexity and Information Systems Research in the Emerging Digital World
Notice bibliographique
Résumé
Complexity is all around us in this increasingly digital world. Global digital infrastructure, social media, Internet of Things, robotic process automation, digital business platforms, algorithmic decision making, and other digitally enabled networks and ecosystems fuel complexity by fostering hyper-connections and mutual dependencies among human actors, technical artifacts, processes, organizations, and institutions. Complexity affects human agencies and experiences in all dimensions. Individuals and organizations turn to digitally enabled solutions to cope with the wicked problems arising out of digitalization. In the digital world, complexity and digital solutions present new opportunities and challenges for information systems (IS) research. The purpose of this special issue is to foster the development of new IS theories on the causes, dynamics, and consequences of complexity in increasing digital sociotechnical systems. In this essay, we discuss the key theories and methods of complexity science, and illustrate emerging new IS research challenges and opportunities in complex sociotechnical systems. We also provide an overview of the five articles included in the special issue. These articles illustrate how IS researchers build on theories and methods from complexity science to study wicked problems in the emerging digital world. They also illustrate how IS researchers leverage the uniqueness of the IS context to generate new insights to contribute back to complexity science.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,006 | 0,006 |
| Études des sciences et des technologies | 0,005 | 0,027 |
| Communication savante | 0,014 | 0,020 |
| Science ouverte | 0,001 | 0,005 |
| Intégrité de la recherche | 0,005 | 0,008 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».