MétaCan
Menu
Retour à la cohorte
Enregistrement W4379179617 · doi:10.1108/ijoa-12-2022-3519

Implications of orality for management practices in Iran: an application of Walter Ong’s theory

2023· article· en· W4379179617 sur OpenAlexaff
Hamid Yeganeh

Notice bibliographique

RevueInternational journal of organizational analysis · 2023
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueManagement and Organizational Studies
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésOralityLiteracyInterpersonal communicationOriginalitySociologySocial scienceEpistemologyKnowledge managementComputer sciencePhilosophyPedagogyQualitative research

Résumé

récupéré en direct d'OpenAlex

Purpose This paper aims to analyze the implications of orality for management practices in a developing country such as Iran. Design/methodology/approach This paper relies on the seminal theory of Walter Ong (1982) and a leading line of anthropological research to analyze the implications of orality/literacy for management practices in Iran. The authors first define orality and literacy as distinct modes of communication and examine their conceptual properties. Then, the authors draw on the existing literature to analyze the five main management functions impacted by orality. Findings The analyses suggest that the predominance of orality in Iran is associated with a wide range of management practices, including short-term or unstructured planning, spontaneous decision-making, fluid organizational structure, the prevalence of interpersonal relations, authoritarian and traditional leadership and behavior-based controlling mechanisms. Originality/value While most studies have focused on the impacts of cultural dimensions and economic variables, this paper offers a novel approach to analyzing management practices. More specifically, the paper suggests that in addition to the implications of cultural dimensions and economic variables, the mode of communication, namely, orality/literacy, could have significant implications for management practices.

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)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,446
Score d'incertitude au seuil0,439

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
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 Opus0,032
Tête enseignante GPT0,322
Écart entre enseignants0,289 · 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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational journal of organizational analysisMême sujetManagement and Organizational StudiesTravaux en français237 207