MétaCan
Menu
Retour à la cohorte
Enregistrement W3048865691 · doi:10.1108/mrr-02-2020-0068

The effects of IT use intensity and innovation culture on organizational performance: the mediating role of innovation intensity

2020· article· en· W3048865691 sur OpenAlexaff
Simon Bourdeau, Benoit A. Aubert, Céline Bareil

Notice bibliographique

RevueManagement Research Review · 2020
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueTechnology Adoption and User Behaviour
Établissements canadiensHEC MontréalUniversité du Québec à Montréal
Organismes subventionnairesnon disponible
Mots-clésKnowledge managementBusinessContext (archaeology)Structural equation modelingOrganizational cultureOriginalityDimension (graph theory)Organizational performanceMarketingComputer sciencePsychologyManagementEconomicsCreativitySocial psychologyMathematics

Résumé

récupéré en direct d'OpenAlex

Purpose This study aims to investigate innovation intensity by exploring the roles of internally focused and externally focused information technology (IT) use intensity and innovation culture on innovation intensity and organizational performance. Design/methodology/approach A model exploring the effects of internally and externally focused IT use, plus two key dimensions of innovation culture – collaborative and entrepreneurial – on innovation intensity and organizational performance is tested via a structural equation model using partial least squares with data collected from 395 top executives. Findings The results indicate that intense use of internally and externally focused IT and the collaborative dimension of culture positively affect innovation intensity, which, in turn, increases operational and financial performance. Practical implications Innovation is an important driver of performance, for both internal efficiency and competitiveness. The role of IT in the innovation process is key: it allows information, knowledge and idea sharing. Top managers should make a wide array of IT tools available to increase internal and external information exchanges. They should also develop an organizational context that stimulates innovativeness and promotes collaboration. Originality/value IT helps employees acquire and use the knowledge needed to innovate within and outside organizational boundaries. To be innovative, employees need to work in an organization with a strong innovation culture, a primary determinant of innovation intensity. This study is one of the first to examine the effects of an organization’s innovation culture and its use of IT on innovation intensity and organizational performance. In addition, constructs of innovation intensity and internally and externally focused IT use are developed and tested.

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)0,005
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,028

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0030,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,220
Tête enseignante GPT0,427
Écart entre enseignants0,207 · 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'étudeObservationnel
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

Citations10
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueManagement Research ReviewMême sujetTechnology Adoption and User BehaviourTravaux en français237 207