MétaCan
Menu
Retour à la cohorte
Enregistrement W3013636364 · doi:10.25300/misq/2020/14193

How Information Technology Matters in Societal Change: An Affordance-Based Institutional Logics Perspective

2020· article· en· W3013636364 sur OpenAlexaff
Isam Faik, Michael Barrett, Eivor Oborn

Notice bibliographique

RevueMIS Quarterly · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueICT Impact and Policies
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésAffordancePerspective (graphical)Organizational changeInstitutional changeInformation technologyKnowledge managementWork (physics)Institutional theorySociologyPublic relationsPolitical sciencePsychologySocial scienceEngineeringComputer sciencePublic administration

Résumé

récupéré en direct d'OpenAlex

While there has been much work on the relationship between information technology (IT) and organizational change, there has been limited research that theorizes the relationship between IT and societal change. This paper draws on institutional theory, in particular institutional logics, to develop a model of IT and societal change, which we argue is critical in an era of large-scale digital transformation. Our approach is based on a view of society as an interinstitutional system, reflecting the multiplicity of logics at the societal level. We conceptualize societal change as shifts in the multiplicity of logics, with a focus on changes in the levels of centrality and compatibility. Our model relates these changes to the materiality of technology through the concept of IT affordances. We propose three mechanisms (sensegiving, translating, and decoupling) through which IT affordances become elements of societal change. We identify three corresponding carriers through which IT affordances gain scale and stability (objects, networks, and platforms). We discuss the implications of our theoretical developments for future research on IT and societal change.

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)0,007
score de la tête « metaresearch » (Gemma)0,012
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 enseignants0,013
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,012
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0040,044
Communication savante0,0130,022
Science ouverte0,0010,009
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,232
Écart entre enseignants0,211 · 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

Citations155
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMIS QuarterlyMême sujetICT Impact and PoliciesTravaux en français237 207