MétaCan
Menu
Retour à la cohorte
Enregistrement W4313435918 · doi:10.1080/21650349.2022.2157888

Facing extreme uncertainty – how the onset of the COVID-19 pandemic influenced product development

2022· article· en· W4313435918 sur OpenAlexaff
Katja Hölttä‐Otto, Tua Björklund, Monika Klippert, Kevin Otto, Dieter Krause, Claudia Eckert, Oscar Nespoli, Albert Albers

Notice bibliographique

RevueInternational Journal of Design Creativity and Innovation · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSustainable Supply Chain Management
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésNew product developmentProduct (mathematics)Flexibility (engineering)Process managementCoronavirus disease 2019 (COVID-19)BusinessResilience (materials science)Quality (philosophy)Psychological resilienceProcess (computing)PandemicRisk analysis (engineering)Computer scienceMarketingPsychologyEconomicsManagementSocial psychology

Résumé

récupéré en direct d'OpenAlex

The COVID-19 pandemic has been a global disruption, but little is known about how it impacted product development. Based on interviews of 24 practicing product development leaders, we find that COVID-19 generated a unique combination of external and internal uncertainties and thus had several direct impacts on product development. Initial adaptations were reported in the level of innovation pursued, the development processes and the resourcing. In terms of level of innovation and resourcing, no uniformity in adaptations were observed: opposite changes were made across radical/incremental, expanding/reducing, local/international and internal/external collaboration balances in the different companies’ product development activities. Process adaptations were more uniform in direction, focusing on increasing flexibility and agility. In terms of product development methods for different phases, we find companies quickly seeking creative approaches to replace their traditional methods in idea generation, prototyping, customer interaction, validation etc. with virtual means. Furthermore, changes in human interaction quality, particularly informal interaction, were seen to have far-reaching, unintended negative consequences on their creative efforts, whether in product development, development process or resourcing. Overall, the results highlight the diversity of adaptive choices available to respond to external uncertainties, though more research is still needed on how these influence longer term resilience.

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)0,009
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,047

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0090,021
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,005
Communication savante0,0090,005
Science ouverte0,0010,005
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,000

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 Opus0,101
Tête enseignante GPT0,286
Écart entre enseignants0,185 · 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'étudeQualitatif
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

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Design Creativity and InnovationMême sujetSustainable Supply Chain ManagementTravaux en français237 207