You May Say I’m a Dreamer: Promoting Positive Organizational Change
Notice bibliographique
Résumé
The rapidity and intensity of changes spurred by demographics, technology, COVID-19, supply chain practices, and war, among many others, require organizations around the globe to adapt and survive. Importantly, however, change does not have to be limited to fixing the wrongs and passively adjusting to the inevitable. In this symposium, we explore how change can be a positive force for a better future, and how organizations can leverage change management practices to bring out the best of the new normal using a positive organizational lens. The Positive Organizational Scholarship (POS) movement that started in the early 2000s seeks to understand organizational strengths rather than weaknesses as it focuses on positive characteristics, processes, and outcomes (Cameron et al., 2003). Rather than focusing solely on resolving problems, POS looks at change through an optimistic lens and sees it as a positive development that can advance organizations further, helping reach peak performance through strengths rather than just correcting failures. One such example of using a positive approach to change is the appreciative inquiry (AI) method. This unique method was conceived to help generate new ideas on optimal organizing (Cooperrider & Srivastva, 1987; Cooperrider & Whitney, 2005), allowing organizational stakeholders to identify their path forward by taking a strengths-based approach and highlighting capabilities to manage change. Consistent with this perspective, our symposium aims to understand the role of positive change in organizations. This collection of papers explores change processes on different levels of analysis and in different contexts, examining how change can contribute to well-being of organizations and their members, helping them to not only overcome challenges but create a better, brighter future. Making Impact Personal: The Mind and Heart of Business Leaders Doing Good in the World Author: Jane Day; PhD student at Weatherhead School of Management, Case Western Reserve U. Author: Ronald Fry; Case Western Reserve U. Author: David L Cooperrider; Case Western Reserve U. Author: Dave Ulrich; U. of Michigan Let’s Get Aboard: Positive Collective Engagement as a Dynamic Capability in Transformations Author: Mette Storvestre; NHH Norwegian School of Economics Appreciative Inquiry Summit in a Suburban Church Author: Eric Sanders; Elmhurst U. Author: Traci Smith; Elmhurst Presbyterian Church Formalized Curiosity: Researching the AI Research Method Author: Mirit K. Grabarski; Lakehead U. Author: Megha Yadav; U. of Wisconsin, Milwaukee Author: Maria Mouratidou; U. of Cumbria, UK Author: Hina Kalyal; U. of Western Ontario Stories of Positive Change: Teachers' Journeys towards Fulfilling their Callings Author: Hayuta Yinon; Oranim College of Education
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 | 0,011 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,008 | 0,013 |
| Communication savante | 0,012 | 0,014 |
| Science ouverte | 0,002 | 0,011 |
| Intégrité de la recherche | 0,004 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 ».