Two faces of decomposability in organizational search: Evidence from singles versus albums in the music industry 1995–2015
Notice bibliographique
Résumé
Abstract Research Summary This study proposes that decomposability may generate a trade‐off in search. This study compares a decomposed search (i.e., producing and evaluating a decomposed module) and an integrated search (i.e., producing and evaluating a full‐scale product). While the former can allow firms to experiment with more alternatives than can the latter, it may be more vulnerable to imperfect evaluation because a larger number of promising alternatives could be omitted after the initial evaluation. The reason for this is that not only do more alternatives face an unlucky draw in their initial evaluation but also a decomposed search may lead firms to set a higher performance target for giving a second‐chance opportunity. I test this theory and mechanisms by comparing singles (i.e., decomposed modules) and albums (i.e., full‐scale products) in the music industry. Managerial Summary This study highlights a hidden cost of experimentation‐oriented practices: an increased chance of terminating investment in promising business options (e.g., resources, technologies, and new business projects) after initial small‐scale experimentation. A growing number of technological innovations (e.g., software development kits, cloud computing, and e‐commerce platforms) have enabled firms to experiment with new business options by producing modules rather than full‐scale products. These innovations benefit management practices for experimentation, such as lean start‐up or design thinking, and have thus gained popularity among practitioners. This study suggests that while producing and evaluating a module enables firms to experiment with more options, it may increase the chance of terminating investment in promising business options because firms may set a higher performance target for subsequent investment after initial small‐scale experimentation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,009 | 0,057 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,004 | 0,005 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,014 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».