Partnering Up: Including Managers as Research Partners in Systematic Reviews
Notice bibliographique
Résumé
Systematic reviews of academic research have not impacted management practice as much as many researchers had hoped. Part of the reason is that researchers and managers differ significantly in their knowledge systems—in both what they know and how they know it. Researchers can overcome some of these challenges by including managers as knowledge partners in the research endeavor; however, doing so is rife with challenges. This article seeks to answer, how can researchers and managers navigate the tensions related to differences in their knowledge systems to create more impactful systematic reviews? To answer this question, we embarked on a data-guided journey of the experience of the Network for Business Sustainability, which had undertaken 15 systematic reviews that involved researchers and managers. We interviewed previous participants of the projects, observed different systematic review processes, and collected archival data to learn more about researcher-manager collaborations in the systematic review process. This article offers guidance to researchers in imbricating academic with practical knowledge in the systematic review process.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,863 | 0,907 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,013 |
| Méta-épidémiologie (sens large) | 0,012 | 0,007 |
| Bibliométrie | 0,029 | 0,025 |
| Études des sciences et des technologies | 0,019 | 0,025 |
| Communication savante | 0,047 | 0,092 |
| Science ouverte | 0,013 | 0,076 |
| Intégrité de la recherche | 0,025 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,013 | 0,009 |
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 découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».