MétaCan
Menu
Retour à la cohorte
Enregistrement W4367157338 · doi:10.47909/ijsmc.37

Organizational Resilience: 30 years of intellectual structure and future perspectives

2022· article· en· W4367157338 sur OpenAlexfundno aff
Yennia Yahaira Guadalupe López-López, Norma Guadalupe Pérez Martínez, Víctor Hugo Bañuelos García, Flor de María García Martínez

Notice bibliographique

RevueIberoamerican Journal of Science Measurement and Communication · 2022
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueSupply Chain Resilience and Risk Management
Établissements canadiensnon disponible
Organismes subventionnairesUniversity at BuffaloUniversidade Federal de Santa CatarinaUniversity of OtagoUniversiti Teknologi MARAUniversity of CanberraGriffith UniversityUniversity of BristolTechnische Universiteit EindhovenUniversidade do Estado de Santa CatarinaUniversity of NottinghamUniversitetet i TromsøKing's College LondonLunds UniversitetUniversity of WarwickKungliga Tekniska HögskolanUniversity of BathUniversity of ManchesterIstanbul ÜniversitesiImperial College LondonUniversity of PortsmouthDe Montfort UniversityPolytechnique MontréalYale UniversityUniversity of North TexasBournemouth UniversityDepartment of Physiology and Biophysics, University at Buffalo
Mots-clésResilience (materials science)ScopusKnowledge managementThematic analysisConceptual frameworkProcess managementComputer scienceSociologyBusinessPolitical scienceQualitative researchSocial scienceMEDLINE

Résumé

récupéré en direct d'OpenAlex

Objective. The knowledge structure was analyzed, during the period 1991-2021, on the factors that influenced organizational resilience to distinguish possible synergies, interactions, and new research lines. Design/Methodology/Approach. Using a performance analysis and scientific mapping approach, a bibliometric methodology was used to discover and represent conceptual subdomains and thematic development. This methodology consisted of four phases: (1) detection of research topics, (2) visualization of research topics and the thematic network, (3) discovery of thematic areas, and (4) performance analysis. Results/Discussion. Of the 869 publications on organizational resilience indexed in Scopus, the ones that had the most significant impact on the development of the topic were: Resilience; the concept, a literature review and future directions (2011), Developing a capacity for organizational resilience through strategic human resource management (2011), Developing a tool to measure and compare organizations' resilience (2013), Organizational resilience: Development of a conceptual framework for organizational responses (2011), and Facilitated process for improving organizational resilience (2008). The most important authors were Bhamra, R.; Burnard, K.; Seville, E.; Vargo, J. and Beck, T.E. The driving issues that over time have been closely related to the resilience of organizations were: risk management, standardization and regulation, psychological resilience, ICT resilience, protection and security, health personnel, and reliable organization. Conclusions. In recent years, when the subject has been more developed, it became clear that it is essential to observe risk management, health personnel, reliable organization, and decision-making to manage organizational resilience. Regarding possible future lines of research, the following was found: resilience of security networks, cybersecurity, cyber resilience, disaster management, organizational innovation, sustainable development, and sustainability management.

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)0,024
score de la tête « metaresearch » (Gemma)0,021
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche, Bibliométrie
Catégories consensuellesaucune
DomaineSignal candidat: Évaluation · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,987
Score d'incertitude au seuil0,126

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0240,021
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0130,014
Études des sciences et des technologies0,0030,012
Communication savante0,0100,016
Science ouverte0,0010,007
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,012
Tête enseignante GPT0,217
Écart entre enseignants0,205 · 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.

Devis d'étudeObservationnel
DomaineÉvaluation
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

Citations10
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueIberoamerican Journal of Science Measurement and CommunicationMême sujetSupply Chain Resilience and Risk ManagementTravaux en français237 207