MétaCan
Menu
Retour à la cohorte
Enregistrement W4313511669 · doi:10.3390/jrfm16010035

Paradoxes and Tensions in Interorganizational Relationships: A Systematic Literature Review

2023· article· en· W4313511669 sur OpenAlexvenueno aff
Marcos Vinícius Bitencourt Fortes, Lara Agostini, Douglas Wegner, Anna Nosella

Notice bibliographique

RevueJournal of risk and financial management · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueBusiness Strategy and Innovation
Établissements canadiensnon disponible
Organismes subventionnairesCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésContext (archaeology)Subject (documents)Variety (cybernetics)Diversity (politics)EpistemologySet (abstract data type)Knowledge managementSystematic reviewSample (material)SociologyManagement scienceComputer sciencePolitical scienceEconomicsArtificial intelligencePhilosophyMEDLINELawGeography

Résumé

récupéré en direct d'OpenAlex

This paper examines the literature on paradoxes and tensions in interorganizational relationships (IORs) and identifies how such tensions are managed in interorganizational settings. In a systematic literature review, we analyzed 95 papers published between 1997 and 2021 on the subject of paradoxes in IORs. The sample showed a variety of paradoxes occurring in different interorganizational contexts, such as knowledge sharing and protection, short- and long-term orientation, and exploration and exploitation. The diversity of such paradoxes has led to crescent interest in cooperation. Our main results show that contextual factors and management practices influence the balance between paradoxes. Although the particular context of each IOR may be unique in terms of balancing paradoxical elements, we identified a set of “pre-tension practices” and “post-tension practices” which may help avoid the emergence of tensions or reduce their adverse effects. The findings of our systematic literature review have also enabled us to propose future research avenues concerning managing tensions in IORs, for instance, the link between paradoxes and IOR performance.

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 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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,683
Score d'incertitude au seuil0,273

Scores Codex et Gemma par catégorie

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

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 Opus0,018
Tête enseignante GPT0,224
Écart entre enseignants0,206 · 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 tête enseignante, 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

Citations20
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of risk and financial managementMême sujetBusiness Strategy and InnovationTravaux en français237 207