Bridging Strategy from Both Business Economics and Design Sciences
Notice bibliographique
Résumé
Consensus on the impact of design on perfor-mance can be said to be evident at all three levels of decision-making in organizations: strategic, tac-tical, operational (Brunswicker et al. 2019; Gemser & Leenders 2001). This impact broadly assumes the following forms: Design impact for strategy in action and customer experience Design impact for business strategy, process, innovation, and performance Design impact for cultural change and organization transformation Despite these revelations, precious little guidance is found in the way of forming a holistic view of the why of design science, core capabilities, theo-ries, and methods in business economics and the ultimate pertinence of the design function in any given organization. Similarly, the how, which would outline the ways in which these capacities could be built and coordinated towards the support of stra-tegic design and forward-looking decision-making processes is at best assumed, yet very rarely articulated. This issue includes both the papers from academia and professionals we received through our Call, as well as the results of a complementary survey con-ducted by the editors with Chief Design Officers. Our editorial foreword uses the model (Figure 1) as the framework for a synthesis, linking strategy in design science and strategy in business science: Part I - The vertical axis of Strategy from Vision to Mission through Value: design strategy versus cor-porate strategy, and business economics in design-driven organizations.Part II - The horizontal axis of Strategic Manage-ment and the Strategic design decision path. From design leadership and strategic positioning to busi-ness strategy and design management to strategy in action and design.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».