MétaCan
Menu
Retour à la cohorte
Enregistrement W4285544705 · doi:10.1561/2900000021

Information Technology Alignment and Innovation: 30 Years of Intersecting Research

2021· article· en· W4285544705 sur OpenAlexaff
Yolande E. Chan, Rashmi Krishnamurthy, Ali S. Ghawe

Notice bibliographique

RevueFoundations and Trends® in Information Systems · 2021
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBig Data and Business Intelligence
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésComputer scienceData science

Résumé

récupéré en direct d'OpenAlex

Business-IT alignment (hereafter alignment) and information technology-enabled innovation (hereafter innovation) are essential for firm performance and competitive advantage. During the past 30 years, alignment and innovation literature streams have grown and become important areas of inquiry in the Information Systems field. Nevertheless, both literature streams have remained separate; it is unclear where and how the two streams overlap. To our knowledge, none of the existing review articles has systematically examined this overlap or how each literature stream informs the other. In this monograph, we bridge this gap and present findings from a review of the alignment and innovation literature streams published between 1990 and 2020 in the Senior Scholars’ Basket of Eight Journals of the Association for Information Systems. We summarize approaches, challenges, and opportunities seen in the alignment and innovation literature streams. Our analysis reveals that alignment scholars tend to overlook the complexities inherent in the process of innovating and view innovation as a black box. Meanwhile, innovation scholars assume different organizational components during the innovation process seamlessly work together to support alignment. We conclude that scholars in both camps should consider undertaking studies that examine aligning and innovating as interdependent processes: aligning involves coordination and cooperation among business units, and in many cases, innovations are needed to achieve alignment. Similarly, innovating with information technology jolts the organization out of its previous alignment and requires aligning in parallel to innovating to restore alignment. We end the monograph by presenting guidance to both scholars and practitioners interested in alignment and IT-enabled innovation.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,906
Score d'incertitude au seuil0,492

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0030,004
Études des sciences et des technologies0,0000,000
Communication savante0,0010,005
Science ouverte0,0000,000
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 Opus0,099
Tête enseignante GPT0,347
Écart entre enseignants0,249 · 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'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

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFoundations and Trends® in Information SystemsMême sujetBig Data and Business IntelligenceTravaux en français237 207