MétaCan
Menu
Retour à la cohorte
Enregistrement W4385451487 · doi:10.1109/icesc57686.2023.10193166

Managing Change in the Digital Age: A Comparative Study of Change Management and Digital Transformation Models

2023· article· en· W4385451487 sur OpenAlexaff
Frida Lizbeth Ponce Pulido, Hamed Taherdoost

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBusiness, Management and Accounting
ThématiqueOrganizational Change and Leadership
Établissements canadiensUniversity Canada West
Organismes subventionnairesnon disponible
Mots-clésDigital transformationTransformation (genetics)Change management (ITSM)Computer scienceEngineeringWorld Wide WebOperations management

Résumé

récupéré en direct d'OpenAlex

Today’s business market demand firms to innovate to remain competitive, and the biggest challenge of innovation is managing the change process. This paper highlights the importance of digital transformation for organizations to remain competitive and generate a competitive advantage in the hyper-competitive business market. Adopting new technology is complex, requiring dealing with the technical and human side of change. Change management is critical to ensure successful transformations and tackle the resistance to change, which is one of the main challenges any change initiative faces. This paper compares six change management models against eight digital transformation models to identify similarities and differences, which can be seen as strengths and weaknesses. The analysis of the models enabled the identification of critical activities that organizations embarking on change initiatives must follow to ensure the success of the implementation and sustainability of the change. The activities were categorized into four main stages to facilitate the comparison of the digital transformation and change management frameworks. The paper concludes that there is a need for a more robust model for both change management and digital transformation, capable of reflecting the current situation that organizations face where the only constant is change.

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)0,000
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: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,190
Score d'incertitude au seuil0,372

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,003
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 Opus0,251
Tête enseignante GPT0,293
Écart entre enseignants0,042 · 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'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

Citations1
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetOrganizational Change and LeadershipTravaux en français237 207