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 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)0,007
score de la tête « metaresearch » (Gemma)0,013
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,008
Score d'incertitude au seuil0,057

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,013
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0040,004
Études des sciences et des technologies0,0020,005
Communication savante0,0060,009
Science ouverte0,0010,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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