MétaCan
Menu
Retour à la cohorte
Enregistrement W3198280256 · doi:10.1080/23303131.2021.1967245

Organizational Change in Human Service Organizations: A Review and Content Analysis

2021· review· en· W3198280256 sur OpenAlexafffundabout
John R. Graham, Kyler Woodmass, Quinn Bailey, Eric Ping Hung Li, Arielle Lomness

Notice bibliographique

RevueHuman Services Organizations Management Leadership & Governance · 2021
Typereview
Langueen
DomaineSocial Sciences
ThématiqueNonprofit Sector and Volunteering
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesSocial Sciences and Humanities Research Council of Canada
Mots-clésContent analysisOrganizational changeHuman servicesService (business)Knowledge managementBusinessProcess managementPolitical sciencePublic relationsSociologyComputer scienceMarketingSocial science

Résumé

récupéré en direct d'OpenAlex

This literature review examines organizational change scholarship within human service organizations (“health,” “human,” and “social” services) between 1968 and 2020. MEDLINE, CINAHL, Social Work Abstracts, EMBASE, and Sociology Collection databases were searched for peer-reviewed, English-language items. The vast majority of first authors were based in the UK, the US, Australia, and Canada, though UK-based authors produced over a third of included items. Forty-two journals had multiple included items. Four main, interconnected themes were identified and discussed: external rationales for change (e.g. adopting evidence-based practices, structural shifts, community demands); type and level of change (e.g. frontline interventions, restructuring management, improving internal and external relations); implementing changes (targeted interventions, broader implementation models, and successful “tactics”); and internal characteristics that both promote and inhibit change (leadership, readiness, communication, learning orientation, skills). Growing scholarship warrants frequent review and summarization for diverse actors.

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 candidatesMéta-épidémiologie (sens strict), Bibliométrie, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,904
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,022
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,000
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 Opus0,179
Tête enseignante GPT0,368
Écart entre enseignants0,189 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2021
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueHuman Services Organizations Management Leadership & GovernanceMême sujetNonprofit Sector and VolunteeringTravaux en français237 207