MétaCan
Menu
Retour à la cohorte
Enregistrement W4254548651 · doi:10.1057/9781137552105_5

Absorptive Capacity: A Proposed Operationalization

2015· book-chapter· en· W4254548651 sur OpenAlexaff
Jean-Pierre Noblet, Eric Pierre Simon, Robert Parent

Notice bibliographique

RevuePalgrave Macmillan UK eBooks · 2015
Typebook-chapter
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesnon disponible
Mots-clésOperationalizationAbsorptive capacityDynamic capabilitiesPerspective (graphical)Exploratory researchKnowledge managementAssimilation (phonology)Management scienceProcess managementComputer scienceBusinessEngineeringSociologyEpistemologyArtificial intelligenceSocial science

Résumé

récupéré en direct d'OpenAlex

The concept of absorptive capacity has already been considerably studied from a theoretical perspective, but few, if any, attempts at operationalizing the concept have been studied in ways that would allow its full assessment. The more specific focus provided by the four dimensions identified in some recent literature — acquisition, assimilation, transformation and exploitation — opens up some promising avenues for operationalizing the concept. This exploratory research studies and describes case studies of ten innovative companies using a cross-sectional research design. In the first part of the article, we re-examine the concept of absorptive capacity in terms of dynamic capabilities and provide a review of the relevant literature. The second part describes the work accomplished to operationalize the concept of dynamic capability and analyses the possible relationship between the business strategies adopted by the companies studied and their particular strategic capacity. These keywords were added by machine and not by the authors. This process is experimental and the keywords may be updated as the learning algorithm improves.

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)0,007
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,037

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,013
Méta-épidémiologie (sens strict)0,0020,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0100,007
Études des sciences et des technologies0,0010,015
Communication savante0,0100,018
Science ouverte0,0030,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0110,002

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 Opus0,057
Tête enseignante GPT0,238
Écart entre enseignants0,181 · 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'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

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

En bref

Citations10
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePalgrave Macmillan UK eBooksMême sujetInnovation and Knowledge ManagementTravaux en français237 207