MétaCan
Menu
Retour à la cohorte
Enregistrement W3040422510 · doi:10.5430/jbar.v9n1p44

Chaos, Complexity, and Contingency Theories: A Comparative Analysis and Application to the 21st Century Organization

2020· article· en· W3040422510 sur OpenAlexvenueno aff
Franklin M. Lartey

Notice bibliographique

RevueJournal of Business Administration Research · 2020
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésContingency theoryContingencyDynamismChaos theoryOrganizational theoryEquifinalityEpistemologyAdaptabilitySociologyAttractorPositive economicsComputer scienceManagement scienceEconomicsMathematicsManagementKnowledge managementArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Organizations in the 21st century deal with constant changes such as globalization, technological evolutions, regulatory changes, competition, and other unexpected events, among others. These challenges can be viewed and addressed through the lenses of contemporary theories. This paper selected three contemporary theories namely chaos, complexity, and contingency theories, and presented their foundations and characteristics by comparing and contrasting their key concepts. These concepts include nonlinearity, feedback, bifurcation, strange attractors, fractals, and self-organization for chaos theory; nonlinearity, dynamism, feedback, self-organization, emergence, and adaptability for complexity theory; and adaptation, equifinality, effectiveness, and congruency for contingency theory. Examples of studies and organizational applications of these theories were provided, and implications for scholars and organizational leaders were discussed. By explaining notions such as how the capacity of a system could be greater than the sum of the capacities of its subunits, this paper can act as a starting point for anyone seeking to understand the three theories or use them for research or organizational purpose.

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)0,002
score de la tête « metaresearch » (Gemma)0,004
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: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,026

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,004
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0070,005
Études des sciences et des technologies0,0020,005
Communication savante0,0020,004
Science ouverte0,0000,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,285
Tête enseignante GPT0,479
Écart entre enseignants0,194 · 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

Citations43
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Business Administration ResearchMême sujetComplex Systems and Decision MakingTravaux en français237 207