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 OpenAlex
Robert J. David, Yoojin Lee

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

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.

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 candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,822
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,035
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