MétaCan
Menu
Retour à la cohorte
Enregistrement W4214870291 · doi:10.24840/2183-0606_009.004_0004

Open Innovation in Services? A Conceptual Model of Barriers to Service Innovation Adoption

2022· article· en· W4214870291 sur OpenAlexaff
Jeff Moretz, Karthik Sankaranarayanan, Jennifer Percival

Notice bibliographique

RevueJournal of Innovation Management · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSharing Economy and Platforms
Établissements canadiensOntario Tech University
Organismes subventionnairesnon disponible
Mots-clésOpen innovationService innovationBusinessKnowledge managementService (business)PopularityInnovation managementConceptual modelMarketingProduct innovationOrder (exchange)Computer sciencePolitical science

Résumé

récupéré en direct d'OpenAlex

Recently, there has been an increased focus on the service sector as a source for economic growth and development. This is particularly true in the knowledge-based services where the need for innovative service offerings in the global market continues to grow. The open innovation model is one which has been gaining in popularity as the technology continues to improve the ability for global collaborations and partnerships. Currently, little is understood of innovation in the services, and in particular open service innovation. This paper presents an extension of existing models of open innovation focusing on innovation sources and diffusion of open service innovation. Particular attention is paid to the potential barriers to open service innovation in order to demonstrate the additional complexities in managing open service innovations in comparison to their physical good counterparts. The conceptual model provides insight into areas for future research at the individual, meso-, and macro-levels to better understand the factors that influence open services innovation, situations in which open innovation is most practical, and intricacies necessary to support open innovation in services.

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)0,003
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 enseignants0,538
Score d'incertitude au seuil0,630

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,013
Études des sciences et des technologies0,0000,000
Communication savante0,0000,003
Science ouverte0,0010,001
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 Opus0,049
Tête enseignante GPT0,264
Écart entre enseignants0,215 · 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

Citations5
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Innovation ManagementMême sujetSharing Economy and PlatformsTravaux en français237 207