The Grand Challenge None of Us Chose: Succeeding (and Failing) Against the Global Pandemic
Notice bibliographique
Résumé
Abstract The COVID-19 pandemic and its related economic meltdown and social unrest severely challenged most countries, their societies, economies, organizations, and individual citizens. Focusing on both more and less successful country-specific initiatives to fight the pandemic and its multitude of related consequences, this chapter explores implications for leadership and effective action at the individual, organizational, and societal levels. As international management scholars and consultants, the authors document actions taken and their wide-ranging consequences in a diverse set of countries, including countries that have been more or less successful in fighting the pandemic, are geographically larger and smaller, are located in each region of the world, are economically advanced and economically developing, and that chose unique strategies versus strategies more similar to those of their neighbors. Cultural influences on leadership, strategy, and outcomes are described for 19 countries. Informed by a cross-cultural lens, the authors explore such urgent questions as: What is most important for leaders, scholars, and organizations to learn from critical, life-threatening, society-encompassing crises and grand challenges? How do leaders build and maintain trust? What types of communication are most effective at various stages of a crisis? How can we accelerate learning processes globally? How does cultural resilience emerge within rapidly changing environments of fear, shifting cultural norms, and profound challenges to core identity and meaning? This chapter invites readers and authors alike to learn from each other and to begin to discover novel and more successful approaches to tackling grand challenges. It is not definitive; we are all still learning.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».