Notice bibliographique
Résumé
Purpose This paper aims to focus on the role of graphics in the propagation of the Balanced Scorecard (BSC) through the persuasive capacity of graphism to “scientize” management ideas. Scientization, through professionalization of knowledge, rationalization of management and the empowerment of human actorhood, is widely seen as an important element in embedding new management concepts and techniques; a determination based on some version of the positivist belief that science offers a privileged access to reality. Design/methodology/approach Based on an analysis of popular literature of the BSC in core business media during 1992 and 2010, the paper focuses on the publications authored by Kaplan and Norton, the creators and authority on this topic. Findings The paper argues that the use of graphics has played an important role in promoting the claims made by proponents of the BSC by portraying the technique as both scientific and as descended from a venerable tradition of knowledge. Specifically, it argues that graphics are mobilized to: enable the technique to be portrayed as developing cumulatively towards the present vantage, from flawed measurement to management break‐through; promoters of the BSC to defensibly extend claims about the BSC (i.e. rationalize management through the visual representation of causality and strategic focus); and open up multiple interpretations and iterations of concepts which enable the empowerment of human actorhood (i.e. management). Originality/value This paper contributes to the accounting literature relating to diffusion of management innovations, and research examining the generative mechanisms and the processes through which management innovations come about.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».