MétaCan
Menu
Retour à la cohorte
Enregistrement W3131828596 · doi:10.1177/0022243721999042

How Established Organizations Combine Logics to Reconfigure Resources and Adapt to Marketization: A Case Study of Brazilian Religious Schools

2021· article· en· W3131828596 sur OpenAlexafffund
Pierre-Yann Dolbec, Rodrigo Castilhos, Marcelo Jacques Fonseca, Guilherme Trez

Notice bibliographique

RevueJournal of Marketing Research · 2021
Typearticle
Langueen
DomaineSocial Sciences
ThématiqueGlobal and Cross-Cultural Management
Établissements canadiensConcordia University
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésMarketizationLegitimacySociologyPublic relationsAdaptation (eye)Institutional logicBusinessPolitical scienceSocial sciencePsychology

Résumé

récupéré en direct d'OpenAlex

Marketization-the entry of the market logic into a field originally insulated from it-is a transformative force that has reshaped many fields, including education, health care, the arts, and religion. Marketization brings a unique set of challenges for established organizations: it opens a field to market-style mechanisms of consumer choice and competition, which undermines the legitimacy of established organizations, and it creates contradictory demands for organizational actions. How can established organizations adapt to marketization? To answer this question, the authors study the adaptation of five established religious schools to the marketization of education in Brazil. They develop the novel hybridization strategy of nested coupling and explain that established organizations respond to marketization by balancing competing demands for differentiation and conformity. The authors show how religious schools nest the market logic within the religious logic by reconfiguring their resources to conform to market demands while differentiating themselves through their religious orientation. Nested coupling provides a novel strategic approach for established organizations in marketized or marketizing fields, such as hospitals, museums, and schools, to capitalize on a logic that preexists marketization and to create a unique competitive positioning in the market.

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)0,008
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,041
Score d'incertitude au seuil0,082

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,008
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0110,011
Communication savante0,0040,004
Science ouverte0,0020,005
Intégrité de la recherche0,0020,002
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 Opus0,041
Tête enseignante GPT0,369
Écart entre enseignants0,328 · 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'étudeQualitatif
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

Citations32
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Marketing ResearchMême sujetGlobal and Cross-Cultural ManagementTravaux en français237 207