MétaCan
Menu
Retour à la cohorte
Enregistrement W3124333356

Employee-Based Innovation in Organizations: Overcoming Strategic Risks from Opportunism and Governance

2016· article· en· W3124333356 sur OpenAlexaff
Gurupdesh S. Pandher, Gulseren Mutlu, Al‐Karim Samnani

Notice bibliographique

RevueSSRN Electronic Journal · 2016
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueExperimental Behavioral Economics Studies
Établissements canadiensUniversity of Windsor
Organismes subventionnairesnon disponible
Mots-clésOpportunismIncentiveCorporate governanceBusinessIndustrial organizationAppropriationFlexibility (engineering)SalientMicroeconomicsValue (mathematics)EconomicsFinance
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Employees performing everyday tasks frequently acquire valuable new ideas and knowledge. Our formal analysis studies how organizations can benefit from employee-driven innovation by using incentives to overcome strategic risk from opportunism and governance. We use a game theory framework to analyze the strategic interactions involved and identify incentives under which valuable ideas will be revealed without appropriation (in equilibrium). Our analysis considers both the short-run and the long-run where governance can be adjusted to maximize expected future innovation profits. Innovation value, frequency, governance quality, and employee contestation costs are shown to play a salient role in determining the innovation incentives and equilibrium. Overall, our analysis and results provide a number of insights on how organizations can overcome frictions from strategic innovation risks to more fully mobilize their innovation potential and knowledge-based resources.

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 candidatesaucune
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: Empirique
Score de désaccord entre enseignants0,235
Score d'incertitude au seuil0,994

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,054
Tête enseignante GPT0,328
Écart entre enseignants0,274 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations1
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSSRN Electronic JournalMême sujetExperimental Behavioral Economics StudiesTravaux en français237 207