MétaCan
Menu
Retour à la cohorte
Enregistrement W4303614920 · doi:10.1177/14761270221134287

The short history and long future of research on market categories

2022· article· en· W4303614920 sur OpenAlexaff
Robert J. David, Yoojin Lee

Notice bibliographique

RevueStrategic Organization · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Organizational Studies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésCLARITYConstruct (python library)Agency (philosophy)Antecedent (behavioral psychology)Consistency (knowledge bases)Outcome (game theory)MarketingOrder (exchange)Intersection (aeronautics)SociologyBusinessPsychologyEconomicsSocial psychologySocial scienceComputer scienceEngineeringMicroeconomics

Résumé

récupéré en direct d'OpenAlex

The market categories literature is reaching the adolescent stage. To ‘look forward’ and chart the next stages of this literature’s growth, we first need to ‘look back’ at what we have learned so far. We thus begin with a systematic review of the literature on market categories from the 1990s to the present. Our search of leading management and sociology journals yielded 100 empirical papers, which we group into eight themes. We then discuss in more detail the findings under the top three of these themes: category spanning, new category construction and category change. Based on our review, we then ‘look forward’ and offer suggestions for future research on market categories. Specifically, we call for more explicit attention to (1) agency, particularly in studies of category spanning, (2) market categories at the intersection of multiple institutional logics, (3) market categories as an outcome rather than antecedent and (4) construct clarity and consistency. We hope these recommendations will ensure a long and healthy future for this burgeoning literature.

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)0,020
score de la tête « metaresearch » (Gemma)0,036
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,108

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0200,036
Méta-épidémiologie (sens strict)0,0000,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0090,013
Études des sciences et des technologies0,0030,018
Communication savante0,0130,040
Science ouverte0,0020,004
Intégrité de la recherche0,0060,007
Charge utile insuffisante (le modèle a refusé de juger)0,0120,002

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 Opus0,035
Tête enseignante GPT0,250
Écart entre enseignants0,215 · 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
GenreSynthèse

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

En bref

Citations13
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStrategic OrganizationMême sujetManagement and Organizational StudiesTravaux en français237 207