MétaCan
Menu
Retour à la cohorte
Enregistrement W3200352048 · doi:10.33423/jabe.v23i1.4051

Capitalizing on Complexity in Modern Business Environments: A Network-Based Perspective for Projects and Organizations

2021· article· en· W3200352048 sur OpenAlexvenueno aff

Notice bibliographique

RevueJournal of Applied Business and Economics · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBusiness Strategy and Innovation
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAdaptation (eye)Knowledge managementBusiness ecosystemContext (archaeology)Business transformationOrganizational architecturePerspective (graphical)IdeationProcess managementComputer scienceStrategic planningInformation flowBusinessComplex systemBusiness processBusiness architectureMarketing

Résumé

récupéré en direct d'OpenAlex

Traditional approaches to design organizations are insufficient to withstand the constraints imposed by modern business environments that are in permanent transformation with a constant flow of information, interactions and behaviors of agents, and the non-linear relationship between resources and products. By building on the nature and dynamics of Networks, it is possible ideating organizational architectures and processes that capitalize on the complexity emerged from modern economies. These novel architectures have a significant potential to induce self-adaptation and co-evolutionary processes between agents, organizations and the external environment. The design of organizations able to navigate complex environments requires the adoption of a conceptual framework that accounts for the strategic characterization of the Network agents and the adoption of an open-systems perspective that guides the effective interaction with the external context. This allows optimizing information assimilation and knowledge production processes that will drive the ideation of strategic scenarios. As a result, the organization will increase its potential to synchronize adaptation with its business ecosystem and its readiness for strategic transformation.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,523
Score d'incertitude au seuil0,648

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
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 Opus0,032
Tête enseignante GPT0,214
Écart entre enseignants0,183 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied Business and EconomicsMême sujetBusiness Strategy and InnovationTravaux en français237 207