MétaCan
Menu
Retour à la cohorte
Enregistrement W3210838719 · doi:10.1111/caim.12470

Opening a black box: The moderating effect of managing dualities on the relation between explorative and exploitative activities and business performance in manufacturing firms

2021· article· en· W3210838719 sur OpenAlexaff
Patricia Wolf, Fabiano Armellini, Leila Gisin

Notice bibliographique

RevueCreativity and Innovation Management · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueCollaboration in agile enterprises
Établissements canadiensPolytechnique Montréal
Organismes subventionnairesnon disponible
Mots-clésRelation (database)BusinessBlack boxIndustrial organizationMarketingComputer science

Résumé

récupéré en direct d'OpenAlex

Research on ambidexterity and continuous innovation predominantly assumes a positive relationship between ambidextrous behaviour and business performance in manufacturing firms. Scholars agree that this positive effect is moderated by the firm's capability in aligning explorative and exploitative activities through the management of dualities (MoD). Direct empirical evidence for this relationship is yet still missing, with the management of dualities (MoD) being treated as a black‐boxed construct. In this article, we open this black box by defining the elements of the MoD construct as connectedness, involvement, coordination and strategic alignment. We then test the assumption that MoD moderates the relationship between exploitative and explorative activities and business performance with data from a survey with 188 manufacturing firms. We find different direct and moderating effects for connectedness, involvement and coordination over business performance, but not for strategic alignment. Based on our analysis, we present a differentiated first explorative picture of the choices, benefits and trade‐offs associated with managing dualities in manufacturing firms.

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)0,006
score de la tête « metaresearch » (Gemma)0,025
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,032

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,025
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0030,002
Science ouverte0,0010,005
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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 Opus0,034
Tête enseignante GPT0,258
Écart entre enseignants0,224 · 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'étudeObservationnel
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

Citations6
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCreativity and Innovation ManagementMême sujetCollaboration in agile enterprisesTravaux en français237 207