MétaCan
Menu
Retour à la cohorte
Enregistrement W4285442208 · doi:10.35925/hdr.2020.2.2

Enhancing Challenge Framing in Defence Organisations: Towards Reflexive Methods

2021· article· en· W4285442208 sur OpenAlexaff
Philippe Beaulieu-Brossard, Philippe Dufort

Notice bibliographique

RevueZenodo (CERN European Organization for Nuclear Research) · 2021
Typearticle
Langueen
DomaineDecision Sciences
ThématiqueComplex Systems and Decision Making
Établissements canadiensSaint Paul University
Organismes subventionnairesnon disponible
Mots-clésReflexivityFraming (construction)Political scienceSociologyEngineering ethicsPublic relationsEngineeringSocial science

Résumé

récupéré en direct d'OpenAlex

This article contributes to problem solving, design, and planning in defence organisations by arguing that a ‘problem’ or a ‘challenge’ is never objective, natural or ready-made. Challenges are contingent to the conditions under which individuals perceive and formulate them. As a result, this article understands ‘challenges’ and ‘ap- proaches’ to address them as co-dependent on one another. This article recommends that officers should attempt to generate the most interesting and, we hope, innovative problem-solution pair or challenge-approach pair in order to integrate this insight into practice when problem solving, designing, or planning. Leaders and their teams can learn to inhabit this mind-set by finding inspiration in three modes observed through practice: initial challenge framing, challenge curation and co-evolution. For each of these modes, the article proposes reflexive methods and tools for enhancing introspection in challenge framing and formulation namely the Five Whys, question-storming, and loyal opposition. The article supports these recommendations and methods through insights gleaned from philosophy of knowledge, design theory, and on design experiences with the North American Aerospace Defence Command (NORAD) in 2019.

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)0,007
score de la tête « metaresearch » (Gemma)0,020
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Études des sciences et des technologies, Communication savante, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,936
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0070,020
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,003
Études des sciences et des technologies0,0020,000
Communication savante0,0020,001
Science ouverte0,0020,002
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0230,006

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 Opus0,252
Tête enseignante GPT0,441
Écart entre enseignants0,189 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueZenodo (CERN European Organization for Nuclear Research)Même sujetComplex Systems and Decision MakingTravaux en français237 207