A closer look at determinants of organizational capability to innovate (OCI)
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Purpose The purpose of this paper is to provide a portrait of the main managerial and organizational determinants of organizational capability to innovate (OCI). Despite its importance, research on the subject seems limited, and little attempt has been made, over the years, to offer an in-depth and simultaneous analysis of these particular determinants, as well as an exploration of the underlying and complex mechanisms explaining their relationships to OCI. Design/methodology/approach A systematic review of articles published between 1991 and 2018 was conducted in ProQuest (ABI/INFORM Collection) and Scopus databases. A total of 64 articles were selected and analysed through the use of a coding grid. Findings Results highlight five key OCI determinants, namely: leadership, support, communication, culture, and learning. By using the dynamic capabilities theory (DCT) as a framework, this research suggests ways to better understand the dynamic action of these determinants as well as their contributions to OCI. Findings also suggest that OCI should be defined at the confluence of three perspectives (human, procedural and environmental aspects) to embrace the multiple facets of this complex construct. Proposals for future research are provided on how OCI can be better examined. Originality/value This research helps to understand the five core determinants through an integrated and holistic view and represents the first attempt to systematically analyse the scientific literature on OCI through the DCT lens.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,006 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découle