MétaCan
Menu
Retour à la cohorte
Enregistrement W3121404703

Cognition & Capabilities: A Multi-Level Perspective

2013· article· en· W3121404703 sur OpenAlexaff
J. P. Eggers, Sarah Kaplan

Notice bibliographique

RevueSSRN Electronic Journal · 2013
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMicrofoundationsDynamic capabilitiesPerspective (graphical)Software deploymentMatching (statistics)CognitionKnowledge managementComputer scienceProcess (computing)Resource (disambiguation)Field (mathematics)MacroInterpretation (philosophy)Cognitive sciencePsychologyArtificial intelligenceSoftware engineering
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Research on managerial cognition and on organizational capabilities has essentially developed in two parallel tracks. We know much from the resource-based view about the relationship between capabilities and organizational performance. Separately, managerial cognition scholars have shown how interpretations of the environment shape organizational responses. Only recently have scholars begun to link the two sets of insights. These new links suggest that routines and capabilities are based in particular understandings about how things should be done, that the value of these capabilities is subject to interpretation, and that even the presence of capabilities may be useless without managerial interpretations of their match to the environment. This review organizes these emerging insights in a multi-level cognitive model of capability development and deployment. The model focuses on the recursive processes of constructing routines (capability building blocks), assembling routines into capabilities, and matching capabilities to perceived opportunities. To date, scholars have focused most attention on the organizational-level process of matching. Emerging research on the microfoundations of routines contributes to the micro-level of analysis. The lack of research on capability assembly leaves the field without a bridge connecting the macro and micro levels. The model offers suggestions for research directions to address these challenges.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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: aucune
Score de désaccord entre enseignants0,889
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,003

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 Opus0,023
Tête enseignante GPT0,243
Écart entre enseignants0,220 · 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 tête enseignante, pas un consensus.

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

Citations8
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetInnovation and Knowledge ManagementTravaux en français237 207