MétaCan
Menu
Retour à la cohorte
Enregistrement W4285803485 · doi:10.3390/admsci12030083

Empirical Analysis of Strategic Management in Inter-Governmental Organization

2022· article· en· W4285803485 sur OpenAlexaff
James Wan, Ling Wang, Raafat George Saadé, Hong Guan, Hao Liu

Notice bibliographique

RevueAdministrative Sciences · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueInnovation and Knowledge Management
Établissements canadiensConcordia University
Organismes subventionnairesnon disponible
Mots-clésConstruct (python library)Confirmatory factor analysisStrategic planningContext (archaeology)BusinessEmpirical researchExploratory factor analysisStrategic managementStrategic controlStrategic alignmentChange management (ITSM)Exploratory researchKnowledge managementFace (sociological concept)Strategic thinkingProcess managementStrategic financial managementMarketingComputer scienceSociology

Résumé

récupéré en direct d'OpenAlex

In this study, we present a strategic change theoretical model and empirically validate it in the context of inter-governmental organizations. We followed a survey methodology approach and tested our model hypotheses using exploratory and confirmatory factor analysis. Traditional strategic management models were created primarily with the private sector in mind. Therefore, validation of the model constructs for their appropriateness to the present construct is essential, especially that these types of organizations, such as those of the United Nations agencies, face major challenges when it comes to change. We found significant re-groupings of items, leading to the necessity to reformulate the constructs, as the context of our study is significantly different. We found that institutional pressures have a significant influence on strategic change and were mediated by strategic formulation. We also found that strategic pressures did not have any influence on strategic intent. Our research theoretical model and results provide many insights to future research directions and inter-governmental organizational practitioners who are engaged in change management.

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)0,011
score de la tête « metaresearch » (Gemma)0,058
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,058
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0040,007
Études des sciences et des technologies0,0020,002
Communication savante0,0030,003
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,108
Tête enseignante GPT0,343
Écart entre enseignants0,235 · 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'étudeObservationnel
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

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAdministrative SciencesMême sujetInnovation and Knowledge ManagementTravaux en français237 207