MétaCan
Menu
Retour à la cohorte
Enregistrement W3042990787 · doi:10.1108/jbs-02-2020-0044

Design thinking and radical innovation: enter the smartwatch

2020· article· en· W3042990787 sur OpenAlexaff
Amir Bahman Radnejad, Michael F. Ziolkowski, Oleksiy Osiyevskyy

Notice bibliographique

RevueJournal of Business Strategy · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueDesign Education and Practice
Établissements canadiensUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMindsetOriginalityMeaning (existential)Design thinkingProduct (mathematics)New product developmentProduct innovationValue (mathematics)Field (mathematics)EmpathyKnowledge managementProduct designBusinessMarketingComputer scienceCreativityPsychologyHuman–computer interactionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Purpose This paper aims to expand the understanding of the design thinking (DT) field and provides evidence that DT as an innovation mindset centered on user/human needs is able to lead enterprises to the development of radical product innovation. Design/methodology/approach The study is based on an illustrative case analysis of four eras of radical innovations in the watch industry, from the mechanical wristwatches to smartwatches. Findings The findings from the watch industry substantiate the developed DT triangle framework for designers, managers and executives, enabling the development of radical product innovation. Originality/value The study provides evidence for the claim that human-centered approach (rather than design-driven, meaning-changing approach) in DT can successfully lead to radical product innovations. For this, this paper distinguishes between “need” and “meaning” in the DT field and reemphasize the role of creating empathy with users to be able to identify their newly shaped needs. Fulfilling these newly shaped needs would ultimately result in the development of radically new products.

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)0,010
score de la tête « metaresearch » (Gemma)0,010
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,010
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0100,010
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0030,016
Communication savante0,0070,008
Science ouverte0,0010,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,001

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.

Tête enseignante Opus0,065
Tête enseignante GPT0,260
Écart entre enseignants0,195 · 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'étudeSans objet
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

Citations12
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Business StrategyMême sujetDesign Education and PracticeTravaux en français237 207