The Innovation Management Modelling in the Water Sector in the United Arab Emirates: A Mixed-Methods Study
Notice bibliographique
Résumé
The United Arab Emirates (UAE) is encountering a scarcity of water resources. It is counting on innovation management to alleviate the situation. In that context, there is a need for a managerial framework for this subject. Therefore, the aim of the current study is to build up an innovative managerial model. To establish this model, we applied a convergent, parallel, mixed-methods design. The study participants (n = 42) consisted mostly of leaders and experts working for the main water institutions. We analysed the quantitative method via partial least squares structural equation modelling (PLS-SEM), a SmartPLS software. Qualitative method procedures were conducted starting from coding, categorising, obtaining themes, and lastly, the establishment of grounded theory. We obtained two rigid inputs (quantitative and qualitative models) for the last phase (mixed-methods analysis). The quantitative findings revealed a significant and robust relationship (t value = 26.6, p = 0.000, coefficient = 0.888, R2 = 0.788). The qualitative findings also produced a steady grounded theory. Both quantitative and qualitative models were crossed according to the ‘convergence coding matrix’ and ‘triangulation analysis protocol’. Ultimately, we built a holistic framework named ‘the UAE water innovation model’, consisting of 12 components (meta-themes). This model should be adopted as the main guide for innovation management and strategy in water public sector institutions. Globally, this model could be a significant contribution, and it would be applicable to any country in the world with the same arid environment as the UAE.
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 | 0,048 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».