Generativity of enterprise IT infrastructure for digital innovation
Notice bibliographique
Résumé
Purpose Digital innovation requires organizations to reconfigure their information technology infrastructure (ITI) to cultivate creativity and implement fast experimentation. This research inquiries into ITI generativity, an emerging concept demoting a critical ITI capability for organizational digital innovation. More specifically, it conceptualizes ITI generativity across two dimensions—namely, systems and applications infrastructure (SAI) generativity and data analytics infrastructure (DAI) generativity—and examines their respective social and technical antecedents and their impact on digital innovation. Design/methodology/approach This research formulates a theoretical model to investigate the social and technical antecedents along with innovation outcomes of ITI generativity. To test this model and its associated hypotheses, a survey was administered to IT professionals possessing knowledge of their organization's IT architecture and digital innovation performance. The dataset, comprising responses from 140 organizations, was analyzed using the partial least squares technique. Findings Results reveal that both dimensions of ITI generativity contribute to digital innovation performance, with the effect of DAI generativity being more pronounced. In addition, SAI and DAI generativities are driven by social and technical factors within an organization. More specifically, SAI generativity is positively associated with the usage of a digital application services platform and IT human resources, whereas DAI generativity is positively linked to the usage of a data analytics services platform, data analytics services usability and data analytics human resources. Originality/value This research contributes to the literature on digital innovation by introducing ITI generativity as a crucial ITI capability and deciphering its role in digital innovation. It also offers useful insights and guidance for practitioners on how to build ITIs to achieve better digital innovation performance.
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 | 0,004 | 0,029 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,005 | 0,005 |
| Études des sciences et des technologies | 0,002 | 0,005 |
| Communication savante | 0,005 | 0,005 |
| Science ouverte | 0,001 | 0,006 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 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 ».